摘要：采用分子模拟高通量筛选的方法研究了6013种实验已经合成的金属-有机框架(MOFs)对天然气五元混合物(CH_4,C_2H_6,C_3H_8,H_2S和CO_2)中H_2S和CO_2的吸附分离性能.为了综合吸附量和选择性这两项指标,我们首先比较了三种权衡方法[权衡α法(Tradeoff between S_(H_2S+CO_2/C1-C3_ and N_(H_2S+CO_2), TSN),标准值法(Standard normal method, SNM)和权衡β法(Tradeoff between selectivity and capacity, TSC)].接着,针对四种MOF描述符[最大孔径(LCD),孔隙率(φ),比表面积(VSA)和吸附热(Q_(st)~0)],通过Pearson相关系数分析了每种描述符分别对三种权衡变量的相关性,结果显示TSC法与四种MOF描述符的相关性最佳.然后,使用多元线性回归方法定量地分析了四种MOF描述符分别对TSC的影响程度;而决策树模型则被用于规划性能高效MOFs的设计路径.最后, 20种性能最优MOFs从数据库中脱颖而出,它们将为净化天然气技术的发展提供坚实的理论指导.

摘要：采用巨正则Monte Carlo法(GCMC),对CH4/CO2混合气体体系基于金属-有机骨架材料(MOFs)的吸附分离进行了模拟研究。吸附分离材料涉及3个系列(M-MOF-74、M-MIL-53和[M(atz)(bdc)0.5])(M=Mg,Co,Ni,Zn,Al,Cr)不同金属配位的8种MOF材料。研究表明,Mg-MOF-74的CO2吸附性能在高压下优于其他材料;在低压时,拥有大量氨基官能团的[Zn(atz)(bdc)0.5]和[Co(atz)(bdc)0.5]材料有更高效的CO2分离性能。通过径向分布函数和CO2吸附构型快照重叠图进一步分析发现,各个系列材料不同金属配位对CO2吸附构型的影响造成了材料吸附分离性能有较大的不同。研究结果能够为实验上设计和开发新型高效CO2和CH4吸附分离MOFs材料提供启发。

摘要：针对天然气中的甲烷、乙烷、丙烷(C_1、C_2、C_3)气体分离困难的问题,本工作采用高通量计算了137953种假设的金属有机框架(Metal-organicframework,MOF)对这三种混合气体的吸附分离吸能.为了避免水蒸气的竞争吸附,首先,筛选出31399种疏水性MOF.然后,单变量分析了这些MOF的最大孔径(LCD)、孔隙率(Φ)、体积比表面积(VSA)、亨利系数(K)、吸附热(Q_(st))、密度(ρ)共六种MOF结构/能量描述符与MOF对C_1、C_2、C_3的选择性、吸附量及两者权衡值(Trade-off between S_(i/j) and N_i, TSN)的关系,发现了吸附量和选择性"第二峰值"的存在;尤其对于C_1、C_2的分离,所有最优MOF都分布在第二峰值区间.随后采用决策树、随机森林(Random forest, RF)、支持向量机和反向传播神经网络四种机器学习算法,分别训练并预测了六种MOF描述符与性能指标的关系,结果表明RF预测效果最好.然后应用RF算法定量地分析出K、LCD和ρ三种描述符对TSN_(C1)、TSN_(C2)的相对重要性最高,而TSN_(C3)的是K、Q_(st)和ρ,根据这些描述符分别设计了吸附C_1、C_2、C_3最优MOF的决策树模型路径.最后筛选出针对C_1、C_2和C_3不同分离应用的18种最优MOF.本工作基于机器学习和高通量计算的研究思路和研究方法,第二峰值规律的发现以及最优设计路线的提出将有助于MOF在吸附分离领域的发展提供有力的指导和启示.

摘要：[目的]探索利用天然气烧制建盏的可行性。[方法]通过开发新型的天然气烧制工艺及窑炉,对建盏的烧制过程进行详细研究。重点分析了烧成温度和还原气氛的控制,以及涂釉工艺对建盏表面纹理的影响。[结果]1200~1250℃是油滴釉晶体形成的关键阶段,缓慢升温对纹理形成至关重要。还原气氛的精确控制是产生不同兔毫纹艺术釉的关键。通过调节空气与天然气的比例,直接控制窑炉内的还原性气氛,可有效提高建盏的外观品质。[结论]利用天然气烧制建盏,可以获得更接近传统宋代柴烧的烧制成品,有效提升产品的美观程度和商业价值。

摘要：基于NRTL-RK热力学方法,采用甲醇钠固体催化剂,使用Aspen Plus对酯交换法异丙醇生产工艺进行模拟及节能优化设计。以年产五万吨异丙醇项目为基础,综合考虑反应平衡、后续分离难度以及原料成本等因素,使用反应精馏塔作为异丙醇合成反应器,塔釜出料为99.99 wt%异丙醇。基于反应精馏塔塔顶流出物的热力学特点设计变压精馏系统,实现回收副产品醋酸甲酯与原料甲醇的目标。使用热泵精馏技术与双效精馏技术分别对反应精馏系统与变压精馏系统进行节能改造,装置分别节能为60.2%与43.9%,对换热网络能量进一步集成,最终能耗下降59.2%。

摘要：药物分离/药物负载材料已成为药物可控释放及药物制备技术中的重要研究对象之一。为了从大量的已有材料中选取可高效负载药物的候选者并探索其负载机理,该研究从CoRE-MOF 2019数据库中抽取了1 000种MOFs材料,通过高通量计算探讨它们对布洛芬药物的吸附负载性能。首先,将MOFs的8种结构/能量描述符分别与MOFs对布洛芬药物分子的选择性(S_(S-IBU/N2))、吸附量(N_(S-IBU))和两者权衡值(Trade-off between S_(S-IBU/N2)and N_(S-IBU))进行单变量分析,初步探索了不同描述符和3种性能指标之间的关系趋势。其次,采用随机森林、极限梯度提升(Extreme Gradient Boosting, XGB)、梯度提升树、轻量梯度提升树、反向传播神经网络和支持向量回归6种机器学习算法,分别对8种描述符和3种性能评价标准(吸附选择性S_(S-IBU/N2)、吸附量N_(S-IBU)和权衡值TSN)进行大数据训练和挖掘,并建立定量关系。结果表明,6种ML算法的预测精度都是N_(S-IBU)>TSN>S_(S-IBU/N2)。对于S_(S-IBU/N2)来说,XGB表现出最佳的预测效果(R^(2)=0.83)。接着,基于XGB模型使用形状添加解释器(SHapley Additive explanation, SHAP)方法来解释和分析MOF描述符对性能指标的重要程度。MOF吸附过程中产生的总能量被认为是关键的影响因素,它与TSN和N_(S-IBU)都呈现正相关的趋势。最终,结合毒理学分析,推荐和设计了一系列高性能MOF材料。文章从分子层面、高通量计算到大数据挖掘,系统地研究了布洛芬药物分子在MOF中的吸附运载机理,为药物运载材料提供了理论指导。