A data-science approach to predict the heat capacity of nanoporous materials.
A data-science approach to predict the heat capacity of nanoporous materials.
复制标题
DOI：
10.1038/s41563-022-01374-3
复制
发表时间：
2022-12
期刊：
影响因子：
41.2
通讯作者：
Smit B
中科院分区：
文献类型：
--
作者：
Moosavi SM;Novotny BÁ;Ongari D;Moubarak E;Asgari M;Kadioglu Ö;Charalambous C;Ortega-Guerrero A;Farmahini AH;Sarkisov L;Garcia S;Noé F;Smit B
材料的热容量是一个具有重要实用价值的基本性质。例如，在碳捕获过程中，再生固体吸附剂所需的热量与材料的热容直接相关。然而，对于大多数适用于碳捕获应用的材料，热容是未知的，因此标准程序是假设所有材料的值相同。在这项工作中，我们开发了一种机器学习方法，在密度泛函理论模拟上进行训练，以准确预测这些材料的热容，即，沸石、金属有机骨架和共价有机骨架。实验数据证实了我们预测的准确性。最后，对于一个变温吸附过程，捕获燃煤电厂的烟气中的碳，我们表明，对于某些材料的热量需求减少了多达两个因素，使用正确的热容。
The heat capacity of a material is a fundamental property that is of great practical importance. For example, in a carbon capture process, the heat required to regenerate a solid sorbent is directly related to the heat capacity of the material. However, for most materials suitable for carbon capture applications the heat capacity is not known, and thus the standard procedure is to assume the same value for all materials. In this work, we developed a machine-learning approach, trained on density functional theory simulations, to accurately predict the heat capacity of these materials, i.e., zeolites, metal-organic frameworks, and covalent-organic frameworks. The accuracy of our prediction is confirmed with experimental data. Finally, for a temperature swing adsorption process that captures carbon from the flue gas of a coal-fired power plant, we show that for some materials the heat requirement is reduced by as much as a factor of two using the correct heat capacity.
登录
查看更多内容
影响因子：
15
作者：
Caskey, Stephen R.;Wong-Foy, Antek G.;Matzger, Adam J.
通讯作者：
Matzger, Adam J.
影响因子：
8.6
作者：
Behler, Joerg;Parrinello, Michele
通讯作者：
Parrinello, Michele
影响因子：
5.2
作者：
Ming, Yang;Purewal, Justin;Siegel, Donald J.
通讯作者：
Siegel, Donald J.
影响因子：
3.7
作者：
Goedecker, S;Teter, M;Hutter, J
通讯作者：
Hutter, J
影响因子：
62.1
作者：
Farmahini AH;Krishnamurthy S;Friedrich D;Brandani S;Sarkisov L
通讯作者：
Sarkisov L