据Phys.org网10月13日消息，瑞士洛桑联邦理工学院（EPFL）的研究人员开发了一个机器学习模型，可以预测金属有机框架（MOF）的热容量。该模型可以预测局部化学环境如何改变MOF分子中每个原子的振动。研究人员选取200个关于原子振动的数据点，再通过200次计算，获得40000个数据点来训练模型，模型预测的热容量与实验数据相吻合。研究人员模拟碳捕获工厂中MOF的性能，在过程模拟中使用了量子分子模拟、机器学习和化学工程，结果表明使用正确的MOF热容值可降低碳捕获过程的总体能源成本。相关研究成果发表在《自然·材料》（Nature Materials）期刊上。

消息来源：https://phys.org/news/2022-10-machine-capacities-metal-organic-frameworks.html