耶魯&麻省理工Science子刊: 機器學習揭示聚合物膜中的關鍵離子選擇性機制 2023年10月15日 下午4:29 ? 未全平臺發布, 頂刊 ? 閱讀 18 設計用于高精度分離的單物種選擇性膜需要對控制溶質傳輸的分子相互作用有基本的了解。各種離子特異性會影響離子傳輸,從而影響離子選擇性。然而,每個特性對選擇性運輸的相對重要性仍然很大程度上模糊不清。 在此,美國耶魯大學Menachem Elimelech及麻省理工學院Heather J. Kulik等人全面評估了單價陰離子和膜特異性在整體鹽轉運中的作用。具體而言,作者通過納米多孔醋酸纖維素(CA)膜分離各種單價鈉鹽陰離子,以闡明源自陰離子的選擇性的現象學差異。 作者確定了本體溶劑化特性在解釋離子傳輸方面的有限作用,突出表現為水合能與測得的選擇性滲透率之間的較差相關性(R2 = 0.37)。同時,作者強調了在整體研究離子傳輸時考慮熵勢壘的迫切需要。在之前的理論工作中,作者觀察到隨著離子滲透通道,系統的熵相應降低,這說明熵是滲透屏障的主要貢獻者。 圖1. 評估離子溶劑化作為納米多孔膜中離子選擇性的主要指標 圖2. 能量屏障在跨納米多孔膜的離子傳輸中的作用 作者將實驗數據與描述離子和離子膜相互作用的特性相結合,然后基于機器學習技術進行高級統計分析,以確定預測熱力學傳輸障礙的最重要特征。盡管CA膜 具有相對不帶電的性質,但作者從一組126個收集的特征中闡明能量障礙的描述符時發現,其中靜電特征占用于描述自由能壘總體特征的75%。值得注意的是,作者在傳輸熱力學中觀察到熵-焓補償(EEC),很大程度上受限制下離子膜相互作用的影響。 盡管該結果基于本研究中使用的膜,但報告的結果證明了一種研究跨所有納米多孔聚合物膜的離子傳輸的新方法。先進的統計技術和機器學習可用于闡明控制選擇性離子傳輸的分子機制,這種方法還可以更深入地了解復雜環境中選擇性轉運的性質,例如高度交聯和不均勻的聚合物膜。 圖3. 闡明影響陰離子傳輸熱力學的分子特征 Machine learning reveals key ion selectivity mechanisms in polymeric membranes with subnanometer pores, Science Advances 2022. DOI: 10.1126/sciadv.abl5771 原創文章,作者:v-suan,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2023/10/15/7813b0bbc1/ 機器學習 贊 (0) 0 生成海報 相關推薦 ?華子樂JMCA:單原子立大功!雙位點催化劑實現高效氧還原! 2023年10月10日 5200次!近100%容量保持率!他,大連化物所副所長/「國家杰青」,新發JACS! 2025年2月7日 ?唐智勇JACS:TiO2晶相工程助力甲烷光氧化制甲醛 2023年10月26日 周偉家教授EES:CuNi NPs/CF電催化NIRR,助力Zn-硝酸鹽電池 2023年10月5日 支春義團隊,最新Angew.! 2023年10月8日 南開大學卜顯和院士團隊:金屬有機框架(MOFs)在電催化領域的最新進展 2024年1月26日