Abstract：
使用机器学习进行高通量筛选是一种新的材料筛选方法,我们结合巨正则蒙特卡罗(GCMC)模拟和机器学习方法研究了沸石分子筛对气体的吸附.使用GCMC模拟方法,计算了 12种电子气体在240种纯硅沸石分子筛上的绝对吸附量,并通过Zeo++程序分析了沸石分子筛的17种结构特征.在此基础上,建立了2种机器学习模型:多元线性回归模型和随机森林回归模型,旨在预测沸石分子筛对各类电子气体的吸附能力.同时,通过相关性分析和模型性能评估,揭示了不同结构特征对气体吸附容量的影响程度,并对模型的稳定性和预测精度进行了讨论.
Keyword：
Reprint 's Address：
Email：
Source ：
无机化学学报
ISSN： 1001-4861
Year： 2025
Issue： 1
Volume： 41
Page： 155-164
0 . 8 0 0
JCR@2023
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
