化学化工与生命科学学院《AIChE Journal》:基于神经网络的高通量计算筛选快速识别高性能天然气脱硫脱碳多孔聚合物网络吸附剂

发布时间:2021.09.17 17:31

针对传统吸附材料在天然气脱硫脱碳应用中分离效率较低等问题,近期,化学化工与生命科学学院吴选军副教授与广州大学、北京大学等单位合作,对基于神经网络的天然气脱硫多孔聚合物网络进行高通量计算筛选,提出了一种快速识别高性能天然气脱硫脱碳多孔聚合物网络(PPN)吸附剂的方法;相关研究成果以“High-throughput Computational Screening of Porous Polymer Networks for Natural Gas Sweetening Based on A Neural Network”为题,在线发表于国际化工领域的著名期刊《美国化学工程师协会志》(AIChE Journal)上。武汉理工大学化学化工与生命科学学院是第一通讯单位,吴选军副教授为第一通讯作者。

该研究提出了基于巨正则蒙特卡洛(GCMC)模拟结合神经网络训练的算法,从17846个虚拟PPN材料中筛选出了能够同时脱除湿天然气中CO2H2S两种酸性气体的390种最佳吸附剂,并基于决策树、随机森林、梯度提升回归树和人工神经网络等机器学习算法建立了PPN材料脱硫脱碳应用的结构-效能关系与设计原则,提出一种快速识别高性能天然气脱硫脱碳PPN吸附剂的方法,为进一步实现工业化湿天然气高效脱硫脱碳奠定了坚实的理论基础。 


附件下载: