文献类型：期刊文章

作　　者：刘治鲁[1,2] 李炜[1,2] 刘昊[2] 庄旭东[2] 李松[1,2]

Liu Zhilu;Li Wei;Liu Hao;Zhuang Xudong;Li Song(China-EU Institute for Clean and Renewable Energy, Huazhong University of Science and Technology, Wuhan 430074;State Key Laboratory of Coal Combustion, School of Energy and Power Engineering, Huazhong University of Science and Technology, Wuhan 430074)

机构地区：[1]华中科技大学,中欧清洁与可再生能源学院,武汉430074 [2]华中科技大学,能源与动力工程学院煤燃烧国家重点实验室,武汉430074

出　　处：《化学学报》

基　　金：国家自然科学基金(No.51606081);中欧清洁与可再生能源学院双一流研究生教学平台培育基金(No.ICARE-RP-2018-HYDRO-001)资助~~

年　　份：2019

卷　　号：77

期　　号：4

起止页码：323-339

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、RSC、SCIE、SCOPUS、ZGKJHX、核心刊

摘　　要：近年来,金属有机骨架(Metal-Organic Frameworks, MOFs)在气体吸附分离领域的研究获得爆发式增长.随着MOFs 数量的剧增,高通量计算筛选成为从大量MOFs 中发现高性能目标材料和挖掘其构效关系的最有效研究方法.本综述对MOFs的高通量计算筛选中所用到的数据库包括实验合成的MOFs组成的数据库(experimental MOFs,eMOFs)和计算机设计的MOFs数据库(hypothetical MOFs, hMOFs)、计算筛选方法包括基于分子模拟和机器学习的筛选方法,及其在CH4 储存、H2储存、CO2捕捉和其他气体分离领域的研究进展进行了总结.旨在通过梳理该领域的研究进展和思路,明确未来的研究方向和面临的挑战,加快MOFs 的研发进程,促进MOFs的商业化应用.

关 键 词：金属有机骨架 高通量筛选 分子模拟 机器学习  吸附分离  

分 类 号：O641.4]