近日，化学化工学院乔智威教授的最新研究成果发表于化学工程领域的SCI收录TOP级期刊《Chemical Engineering Journal》，该期刊属于JCR一区和中国科学院一区期刊。化学化工学院硕士研究生严雅玲为论文第一作者，本科生李惠琳为论文第三作者，乔智威教授为论文的唯一通讯作者，广州大学为论文唯一单位。

氧气(O₂)和氮气(N₂)是继氢气之后应用最广泛和最重要的两种工业气体。由于它们的分子尺寸非常相似，室温下从空气中直接分离被认为是最具挑战性的分离技术之一。变压吸附(PSA)是一种潜在的候选技术，开发用于室温的氮氧分离的高效吸附剂引起了极大的兴趣。金属有机框架(MOFs)由于其高孔隙率、超高表面积和孔结构可调，是各种气体分离的理想材料。其中，使用MOFs将氧气与氮气分离引起了广泛关注。

论文机器学习辅助高通量计算筛选技术筛选O₂和N₂在6013个CoRE-MOFs中的动态吸附，并深入探讨了影响MOFs分离O₂/N₂性能的因素，包括结构/能量描述符和金属类型，还建立了它们与分离性能指标之间的关系。此外，机器学习结果表明MOF的金属中心种类是氮氧分离的关键因素。最后，课题组提出的三种类型的设计策略能够有效地提高MOFs的性能。该研究以高通量计算,机器学习和自下而上的设计策略相结合，为开发用于室温下O₂分离的MOF吸附剂提供了强有力的支撑。

文章来源和链接：

Y. Yan, Z. Shi, H. Li, et al., Machine learning and in-silico screening of metal–organic frameworks for O₂/N₂ dynamic adsorption and separation, Chemical Engineering Journal, (2022) 427, 131604.

https://www.sciencedirect.com/science/article/abs/pii/S1385894721031855