面向湿烟气CO₂捕集的金属有机框架材料筛选：整合分子模拟、机器学习与实验合成

首页 > 行业动态 > 面向湿烟气CO₂捕集的金属有机框架材料筛选：整合分子模拟、机器学习与实验合成

摘要
美国西北大学Randall Q. Snurr教授与Omar K. Farha教授团队（J. Am. Chem. Soc. 2026, DOI: 10.1021/jacs.6c10566）针对湿烟气条件下CO₂捕集材料筛选的难题，提出整合高通量分子模拟、机器学习稳定性预测与实验验证的多层次筛选策略。该工作从CSD数据库出发，经结构清洗、GCMC混合气体吸附模拟及ML稳定性评估，从数万个MOF中筛选出40个兼具高CO₂吸附量（>1.5 mol/kg）、高CO₂/N₂选择性（>50）及优异水/热稳定性的候选材料，并通过实验合成Zn(imPim)进行动态穿透实验验证，证实了计算筛选策略的可靠性，为湿烟气CO₂捕集材料的理性设计提供了新范式。

研究背景
1. 行业问题：
燃煤电厂等工业烟气中CO₂浓度仅约15 mol%，且含大量水蒸气（相对湿度可达80%），水分子与CO₂竞争吸附位点导致多数MOFs在湿烟气条件下CO₂捕集性能急剧下降；同时，MOFs的水稳定性和热稳定性难以保证，限制了实际工程应用。
2. 现有方案：
学者们通过功能化修饰、疏水基团引入、高稳定性金属簇设计等策略提升MOFs抗水性能，但实验试错法效率低、成本高；现有计算筛选多关注干燥条件，缺乏对真实湿烟气环境的系统评估，且缺少将稳定性预测与吸附性能联合筛选的有效方法。
3. 本文创新：
构建从CSD数据库出发的多层次筛选流程，将GCMC湿烟气模拟（15 mol% CO₂、80% RH、313 K）与机器学习稳定性模型（热分解温度、溶剂活化稳定性、水稳定性）耦合，实现吸附性能与稳定性的同步筛选，并以实验合成验证计算预测，形成"计算-ML-实验"闭环。

实验部分
1. 高通量计算筛选：
从CSD数据库提取87,282个无 Disorder MOF结构，经电中性筛选（68,811个）、溶剂去除（68,482个）、结构质量检查后保留9,922个有效结构；对候选结构进行CO₂/H₂O探针分子能量最小化及GCMC混合吸附模拟（15 mol% CO₂、80% RH、313 K），以CO₂吸附量>1.5 mol/kg、CO₂/N₂选择性>50为初筛标准，获得1,550个候选材料。
2. 机器学习稳定性评估：
利用PacMOF和DDEC电荷作为描述符，训练热稳定性、溶剂活化稳定性和水稳定性三类ML模型，对1,550个候选材料进行稳定性预测，筛选出热分解温度≥350 ℃、溶剂活化指标>0.9、水稳定性达标的40个顶级候选材料。
3. 实验合成与验证：
选取Zn(imPim)（咪唑基锌MOF）进行实验合成与活化，通过PXRD确认相纯度，开展动态穿透实验（模拟湿烟气条件），验证其CO₂捕集性能与计算预测的一致性。
实验突破： 首次将ML稳定性预测与湿烟气GCMC模拟联合用于大规模MOF筛选，并通过实验闭环验证，解决了"高吸附但低稳定性"的筛选盲区问题。

分析测试
1. GCMC吸附模拟：
在313 K、80% RH条件下模拟CO₂/N₂/H₂O三元混合吸附，获得各MOF的CO₂工作容量和选择性数据；筛选出的顶级材料CO₂吸附量>1.5 mol/kg，CO₂/N₂选择性>50。
2. ML稳定性预测：
热稳定性模型预测候选材料分解温度均≥350 ℃；溶剂活化稳定性指标>0.9，表明框架在活化过程中不易坍塌；水稳定性评估将材料分为2类和3类，确保候选材料在潮湿环境中结构完整。
3. PXRD表征：
合成的Zn(imPim)粉末X射线衍射图谱与模拟图谱吻合，证实材料相纯度良好，活化后结构保持完整。
4. 动态穿透实验：
在模拟湿烟气条件下进行 breakthrough测试，Zn(imPim)展现出与计算预测一致的CO₂捕集能力，证实了筛选流程的有效性。

机理分析
1. 吸附机理：
通过吸附能量景观（Adsorption Energy Landscapes）分析，揭示顶级候选材料中CO₂优先吸附位点的分布与能量特征；DFT单点能与吸附构型优化对比验证了力场参数的可靠性。
2. 稳定性机理：
ML模型揭示框架拓扑、金属-配体键强度及孔道尺寸对热/水稳定性的协同影响；PacMOF与DDEC电荷对比分析表明，电荷分配方式对吸附预测精度有显著影响，DDEC电荷在含金属体系中的表现更优。
3. 结构-性能关系：
系统分析了孔径、功能基团、金属节点类型与CO₂吸附量/选择性之间的构效关系，发现适度孔径（避免过大导致水竞争）与强CO₂结合位点的协同是湿烟气条件下高性能的关键。

总结
本文构建了"高通量GCMC模拟—ML稳定性预测—实验验证"三位一体的MOF筛选框架，从近7万个实验MOF结构中精准识别出40个适用于湿烟气CO₂捕集的候选材料，并通过Zn(imPim)的实验合成与穿透测试验证了策略的可靠性。该工作为复杂工况下MOF材料的理性筛选提供了可推广的方法论，对推动碳捕集技术的实际部署具有重要意义。

文章标题：Identification of Metal–Organic Frameworks for CO2 Capture from Humid Flue Gas: Integrating Molecular Simulation, Machine Learning, and Experimental Synthesis
作者：Jiayang Liu; Xiaoliang Wang; Xiyang Liu; Zi-Ming Ye; Thang D. Pham; Filip Formalik; Manuel Tsotsalas; Omar K. Farha; Randall Q. Snurr
DOI：10.1021/jacs.6c10566
文章链接：https://doi.org/10.1021/jacs.6c10566

本文为科研用户原创分享，用于学术宣传交流，具体细节请查阅原文。如有错误、侵权，请联系修改删除，未经允许不得复制转载。

西北大学Snurr与Farha团队JACS文章中，整合高通量GCMC湿烟气模拟与机器学习稳定性预测，从近7万个MOF中筛选出40个候选材料，并实验合成Zn(imPim)通过穿透测试验证，为湿烟气CO₂捕集材料理性设计提供新范式。