美国波多黎各大学陈中方教授J. Mater. Chem. A: 机器学习结合传统计算化学加速沸石材料的筛选

【引言】

硅氧烷是一类有机硅衍生物，也称为有机硅，被广泛用于医药和工业应用中（2018年的年产量为280万吨），主要用于化妆品和个人护理产品中，如除臭剂，洗发水，护肤霜和发型设计产品。这些物质带有令人愉悦的气味，并起到光滑作用。但是，这些年，硅氧烷也成为了一种严重的有机污染物。当我们使用含硅氧烷的产品时，硅氧烷会蒸发或被冲洗掉并冲走下水道，从而最终进入多种生态环境。由于它们普遍具有比较高的蒸气压，硅氧烷在生态环境中具有持久性和易于生物积聚的特性，很难从各种环境介质中去除。

早在1990年代，研究人员就意识到某些硅氧烷可以在几种水生生物中引起毒性作用。硅氧烷被分为线性和环状化合物，其粒径，分子量，形状和化学基团的不同，影响了它们的安全性和其他理化特性。近期更有研究表明，某些硅氧烷的释放可能对动物有机体产生严重影响甚至毒性作用，例如结缔组织疾病，最终致命的肝或肺损伤等。更糟糕的是，硅氧烷的存在很可能掩盖检测系统中其他污染物的存在，这严重阻碍其他污染物的有效去除。

开发合适的吸附剂是去除硅氧烷的经济有效的解决方案。纯硅沸石（PSZs）具有出色的结构优势，可作为吸附材料。作为一种仅由硅和氧原子组成的微孔材料，纯硅沸石是疏水的，没有任何酸性吸附位。此外，纯硅沸石具有很好的热稳定性，并且当其孔堵塞时可以轻松再生。这些独特的性质使纯硅沸石成为去除硅氧烷的潜在吸附剂。但是，成千上万种可能的纯硅沸石被报导过，根本不可能对这些纯硅沸石进行逐一筛选，所以机器学习方法被引进到研究中，用来加速筛选高效的纯硅沸石用于去除硅氧烷。

【成果简介】

近日，美国波多黎各大学陈中方教授联合化学工程学院Arturo J. Hernandez-Maldonado教授， 数学学院Luis R. Pericchi教授，带领林诗茹（第一作者）等博士生设计了一个两步计算框架结合了经典蒙特卡洛（GCMC）模拟和机器学习方法来研究纯硅沸石的吸附性能。四种代表性的线性硅氧烷及其衍生物三甲基硅烷醇（TMS），二甲基硅烷二醇（DMSD），一甲基硅烷三醇（MMST），和二甲基砜（DMSO₂）被作为研究污染物。他们从50 959个假想纯硅沸石结构中随机挑出500个结构，用GCMC模拟得到吸附能数据作为机器学习的输入数据。在训练机器学习模型后，从所有结构中筛选出了230个对四种污染物都有很强吸附能力的理想沸石（筛选比例： 0.0045）。他们从中随机挑选出20个理想沸石进一步进行GCMC模拟，发现20个体系对四种污染物均表现出优秀的吸附性能。该成果以题为“Machine-learning-assisted screening of pure-silica zeolites for effective removal of linear siloxanes andderivatives”最近发表在J. Mater. Chem. A上。

【图文导读】
Figure 1.两步计算框架结合经典蒙特卡洛（GCMC）模拟和机器学习方法得到可去除四种硅氧烷和类似物的理想沸石

Figure 2.通过GCMC模拟得到的500种纯硅沸石对四种硅氧烷类似物的平均吸附能和吸附量

三角形点代表按吸附能排名的前20％沸石（1类），

正方形点是其他80％沸石（0类）

浅黄色部分表示按吸附量排序的90％顶级1类沸石。

Figure 3.每种污染物的最佳沸石（500个沸石中）的结构和最低能量的吸附结构

黄色，红色，浅黄色和白色的球分别代表硅，氧，硫和氢原子。

在吸附几何结构中，污染物以球棍模型表示，而沸石骨架中的硅和氧原子则以黄点和红点表示。

Figure 4.机器学习模型中揭示的五个特征（晶体参数：a，b和c；孔径：p，表面积：s）对四种污染物（DMSO₂，TMS，DMSD和MMST）的吸附的重要性。

Figure 5.从预测的理想230沸石中随机选择的第一组10种沸石的吸附能和吸附量数据，分别参比顶级20％的吸附能和顶级30%吸附量标准。

（a）吸附能

（b）吸附量

【总结】

由于硅氧烷的广泛，持久和有毒的性质，去除硅氧烷是一个严峻的挑战。去除硅氧烷的难点在于硅氧烷与普通吸附剂之间的相互作用普遍较弱，所以寻找高吸附能的吸附剂迫在眉睫。在这项工作中，作者们结合GCMC模拟和机器学习技术，捕获了纯硅沸石的基本结构特（晶体结构，表面积，孔径大小），并利用这些特征和硅氧烷吸附能力的关系，对纯硅沸石进行筛选。在纯硅沸石的部分数据库中，使用ML模型从50959个纯硅沸石筛选出230个同时对四种硅氧烷类似物具有很强吸附能力的理想沸石。这项工作展示了机器学习方法在发掘材料发现的强大力量，类似的方法可以被运用到更多更复杂的体系中。文献链接：Machine-learning-assisted screening of pure-silica zeolites for effective removal of linear siloxanes and derivatives.J. Mater. Chem. A, 2020,8, 3228-3237.

https://doi.org/10.1039/C9TA11909D