這些高度穩定的金屬有機框架可用于捕獲溫室氣體等應用。

被稱為金屬有機框架（MOF）的材料具有剛性的籠狀結構，適用于從氣體儲存到藥物輸送的各種應用。通過改變材料中的構建塊或排列方式，研究人員可以設計出適合不同用途的MOF。

然而，并非所有可能的MOF結構都足夠穩定，可以部署用于催化反應或儲存氣體等應用。為了幫助研究人員確定哪些MOF結構適合給定的應用，麻省理工學院的研究人員開發了一種計算方法，使他們能夠預測哪些結構穩定。

利用他們的計算模型，研究人員已經確定了大約10，000種可能的MOF結構，他們將其歸類為“超穩定”，使其成為將甲烷氣體轉化為甲醇等應用的良好候選者。

“當人們提出假設的MOF材料時，他們不一定事先知道這種材料的穩定性，”麻省理工學院化學和化學工程副教授，該研究的作者Heather Kulik說。“我們使用數據和我們的機器學習模型來提出預期具有高穩定性的構建塊，當我們以更加多樣化的方式重新組合它們時，我們的數據集富含比以前任何一組假設材料更高的穩定性人們想出的材料。

麻省理工學院研究生Aditya Nandy是該論文的主要作者，該論文今天發表在《物質》雜志上。其他作者是麻省理工學院博士后Shuwen Yue，研究生Changhwan Oh和Gianmarco Terrones，Chenru Duan PhD ' 22和釜山國立大學化學和生物分子工程副教授Yongchul G. Chung。

MOF 建模

科學家們對MOFs感興趣，因為它們具有多孔結構，非常適合涉及氣體的應用，例如儲氣，將相似氣體彼此分離或將一種氣體轉化為另一種氣體。近，科學家們也開始探索使用它們在體內輸送藥物或成像劑。

MOF的兩個主要組成部分是二級建筑單元 - 包含鋅或銅等金屬原子的有機分子 - 以及稱為接頭的有機分子，連接二級建筑單元。這些部件可以通過許多不同的方式組合在一起，就像樂高積木一樣，Kulik說。

“因為有很多不同類型的樂高積木以及組裝它們的方法，它引起了不同可能的金屬有機框架材料的組合爆炸，”她說。“你可以通過挑選和選擇如何組裝不同的組件來真正控制金屬有機框架的整體結構。

目前，設計MOF的常見方法是通過試錯法。近，研究人員開始嘗試計算方法來設計這些材料。大多數此類研究都是基于對材料在特定應用中的效果的預測，但它們并不總是考慮到所得材料的穩定性。

“用于催化或氣體儲存的非常好的MOF材料將具有非常開放的結構，但是一旦擁有這種開放式結構，可能很難確保該材料在長期使用下也是穩定的，”Kulik說。

在 2021 年的一項研究中，Kulik 報告了一個新模型，該模型是她通過挖掘數千篇關于 MOF 的論文來創建的，以查找有關給定 MOF 分解溫度的數據，以及特定 MOF 是否能夠承受去除用于合成它們的溶劑所需的條件。她訓練計算機模型根據分子的結構預測這兩個特征 - 稱為熱穩定性和活化穩定性。

在這項新研究中，Kulik和她的學生使用該模型識別了大約500個具有非常高穩定性的MOF。然后，他們將這些MOF分解為常見的構建塊 - 120個二級建筑單元和16個鏈接器。

通過使用大約750種不同類型的架構（包括許多通常不包含在此類模型中的架構）重新組合這些構建塊，研究人員生成了大約50，000個新的MOF結構。

“我們這套設備的獨特之處在于，我們觀察了比以往任何時候都多樣的晶體對稱性，但[我們這樣做]使用這些僅來自實驗合成的高度穩定MOF的構建塊，”Kulik說。

超穩定

然后，研究人員使用他們的計算模型來預測這50，000個結構中的每一個的穩定性，并確定大約10，000個他們認為超穩定的熱穩定性和活化穩定性。

他們還篩選了結構的“可交付能力” - 衡量材料儲存和釋放氣體的能力。在這項分析中，研究人員使用了甲烷氣體，因為捕獲甲烷可能有助于將其從大氣中去除或轉化為甲醇。他們發現，他們確定的10，000種超穩定材料具有良好的甲烷交付能力，并且通過預測的彈性模量來衡量，它們在機械上也很穩定。

“設計MOF需要考慮多種類型的穩定性，但我們的模型能夠對熱穩定性和活化穩定性進行近乎零成本的預測，”Nandy說。“通過了解這些材料的機械穩定性，我們提供了一種識別有前途的材料的新方法。

研究人員還確定了某些傾向于生產更穩定材料的構建塊。穩定性的二級建筑單元之一是含有釓（一種稀土金屬）的分子。另一種是含鈷的卟啉 - 一種由四個相互連接的環組成的大有機分子。

Kulik實驗室的學生現在正在合成其中一些MOF結構，并在實驗室中測試它們的穩定性和潛在的催化能力和氣體分離能力。研究人員還向有興趣測試超穩定材料用于自身科學應用的研究人員提供了超穩定材料的數據庫。

“這項工作中開發的MOF結構數據庫對于使用計算篩選來尋找靶向應用的新MOF的研究人員非常有用，”西北大學化學和生物工程教授Randall Snurr說，他沒有參與這項研究。“使用他們以前開發的機器學習方法，他們能夠專注于生成可能具有高穩定性的MOF結構，這是實際應用的重要考慮因素。

該研究由美國國防研究計劃局、科學基金會研究生研究獎學金、海軍研究辦公室、能源部、麻省理工學院葡萄牙種子基金和韓國研究基金會資助。