عصر جدیدی از مدل‌سازی غشاهای مبتنی بر MOF: همکاری نظریه و علم داده

عنوان عصر جدیدی از مدل‌سازی غشاهای مبتنی بر MOF: همکاری نظریه و علم داده
نویسنده دمیر، هاکان، کسکین، س.
تاریخ انتشار: 2024-01
محل انتشار - وایلی
موضوع جداسازی گاز، یادگیری ماشین، غشاء، غشاهای ماتریس مختلط، MOFs، شبیه سازی مولکولی
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 1438-7492
شماره ثبت bf56a953-5ad9-4472-b16a-30f89de5b586
محل کتابخانه علوم طبیعی و ریاضی
تاریخ 2024-01
یادداشت‌ها افق 2020 اتحادیه اروپا؛ TÜBİTAK
متن نمونه جداسازی مبتنی بر غشاء می تواند صرفه جویی قابل توجهی در انرژی نسبت به روش های جداسازی معمولی داشته باشد. با توجه به ساختارهای بسیار قابل تنظیم و متخلخل، چارچوب‌های فلزی-آلی (MOF) به عنوان مواد غشایی نسل بعدی در نظر گرفته می‌شوند که می‌توانند عملکرد جداسازی و کارایی انرژی در کاربردهای مختلف جداسازی را به همراه داشته باشند. با این حال، تعداد بسیار زیاد ساختارهای MOF ممکن، توسعه و اجرای رویکردهای مدل‌سازی کارآمد را برای تسریع در طراحی، کشف و انتخاب غشاهای بهینه مبتنی بر MOF از طریق هدایت تلاش‌های آزمایشی، زمان و منابع به مواد غشایی بالقوه مفید، ضروری می‌سازد. با پیشرفت های اخیر در زمینه شبیه سازی اتمی و روش های هوش مصنوعی، عصر جدیدی از مدل سازی غشایی آغاز شده است. این بررسی بر پیشرفت‌های اخیر انجام شده و استراتژی‌های کلیدی مورد استفاده در مدل‌سازی غشاهای مبتنی بر MOF تمرکز دارد و پتانسیل عظیم ترکیب مدل‌سازی اتمی MOFها با یادگیری ماشین را برای کشف تعداد بسیار زیادی از غشاهای MOF و غشاهای کامپوزیت MOF/پلیمر برای جداسازی گاز برجسته می‌کند. فرصت‌ها و چالش‌های مربوط به اجرای رویکردهای مبتنی بر داده برای استخراج روابط ساختار-ویژگی مفید غشاهای مبتنی بر MOF و تولید اصول طراحی برای غشاهای مبتنی بر MOF با کارایی بالا مورد بحث قرار گرفته‌اند.
DOI 10.1002/mame.202300225
Cilt 309
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

عصر جدیدی از مدل‌سازی غشاهای مبتنی بر MOF: همکاری نظریه و علم داده

نویسنده دمیر، هاکان، کسکین، س.
تاریخ انتشار 2024-01
محل انتشار - وایلی
موضوع جداسازی گاز، یادگیری ماشین، غشاء، غشاهای ماتریس مختلط، MOFs، شبیه سازی مولکولی
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 1438-7492
شماره ثبت bf56a953-5ad9-4472-b16a-30f89de5b586
محل کتابخانه علوم طبیعی و ریاضی
تاریخ 2024-01
یادداشت‌ها افق 2020 اتحادیه اروپا؛ TÜBİTAK
متن نمونه جداسازی مبتنی بر غشاء می تواند صرفه جویی قابل توجهی در انرژی نسبت به روش های جداسازی معمولی داشته باشد. با توجه به ساختارهای بسیار قابل تنظیم و متخلخل، چارچوب‌های فلزی-آلی (MOF) به عنوان مواد غشایی نسل بعدی در نظر گرفته می‌شوند که می‌توانند عملکرد جداسازی و کارایی انرژی در کاربردهای مختلف جداسازی را به همراه داشته باشند. با این حال، تعداد بسیار زیاد ساختارهای MOF ممکن، توسعه و اجرای رویکردهای مدل‌سازی کارآمد را برای تسریع در طراحی، کشف و انتخاب غشاهای بهینه مبتنی بر MOF از طریق هدایت تلاش‌های آزمایشی، زمان و منابع به مواد غشایی بالقوه مفید، ضروری می‌سازد. با پیشرفت های اخیر در زمینه شبیه سازی اتمی و روش های هوش مصنوعی، عصر جدیدی از مدل سازی غشایی آغاز شده است. این بررسی بر پیشرفت‌های اخیر انجام شده و استراتژی‌های کلیدی مورد استفاده در مدل‌سازی غشاهای مبتنی بر MOF تمرکز دارد و پتانسیل عظیم ترکیب مدل‌سازی اتمی MOFها با یادگیری ماشین را برای کشف تعداد بسیار زیادی از غشاهای MOF و غشاهای کامپوزیت MOF/پلیمر برای جداسازی گاز برجسته می‌کند. فرصت‌ها و چالش‌های مربوط به اجرای رویکردهای مبتنی بر داده برای استخراج روابط ساختار-ویژگی مفید غشاهای مبتنی بر MOF و تولید اصول طراحی برای غشاهای مبتنی بر MOF با کارایی بالا مورد بحث قرار گرفته‌اند.
DOI 10.1002/mame.202300225
Cilt 309
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید