在前期工作基础（DOI: 10.1016/j.cej.2023.141612）之上，我院吴选军副教授课题组与广州大学合作又在化工领域国际TOP期刊《Chemical Engineering Journal》发表题为“Gaussian process regression for prediction of hydrogen adsorption temperature–pressure dependence curves in metal–organic frameworks”的最新研究成果。武汉理工大学为该论文第一完成单位，硕士研究生曹子健为第一作者，吴选军副教授为第一通讯作者。

金属有机骨架(MOF)材料是一种由金属或金属团簇中心与有机链接体自组装而成的纳米多孔材料，在气体存贮、化学物质分离和药物控制释放等领域具有重要应用潜力。机器学习结合高通量筛选策略被认为可以大大加速高性能气体存贮与分离MOF材料的发现过程，但是目前依然缺少一种能够准确、快速地预测MOF材料在任意状态（温度与压力）空间下氢气的吸附性能的模型方法。该工作提出了一种基于经典密度泛函理论(cDFT)计算、采用高斯过程回归(GPR)方法的预测模型，根据简单的材料结构特征参数描述符，能够直接预测出30万种以上MOF材料在任意状态空间下氢气的吸附性能。审稿人认为该模型方法不仅提供了既有大样本MOF数据库中结构的预测结果，也给出了实验MOF结构的预测值，还可以在数据样本有限的情况下进行训练，并具备良好的推广价值，有助于加强高斯过程模型在MOF材料吸附方面的应用。

《Chemical Engineering Journal》是工程技术与化学化工领域最有影响力的三大顶级刊物之一，在中国科学院分区中为工程技术/化工/环境类1区Top期刊，2022-2023年影响因子15.1。

论文链接：https://doi.org/10.1016/j.cej.2023.146553