1. 研究目的与意义（文献综述）

金属有机骨架（mofs）是由金属离子或团簇与有机配体通过配位键自组装形成形成一维、二维或三维结构的化合物。它们是配位聚合物的一个子类，是一种分子内孔隙的有机-无机杂化材料。金属骨架材料因具备较高的比表面积、自由孔体积和化学稳定性，晶体中的有机配体和金属离子或团簇的排列具有明显的方向性，可以形成不同的框架孔隙结构。从而表现出不同的吸附性能、光学性、电磁学性质等物性，在气体储存、气体分离与催化等领域具有潜在应用价值。

目前ch₄作为车用燃料主要是以压缩天然气（cng）或液化天然气（lng）的方式，但两者的条件均较苛刻且成本较高。相对而言，吸附天然气（ang）可能实现在常温低压条件下存储甲烷，是有巨大潜力的新型天然气存储方法。传统的吸附材料如沸石分子筛和活性炭应用于ch₄的吸附存储材料的研究虽然取得一定进展，但是它们的缺点依然明显——分子筛的亲水性限制了其在普通环境下的ch₄存储应用，活性炭孔道性质难以调节也限制了其ch₄存贮性能。由于mofs具有更大比表面积、更高孔隙率和良好孔道可调性，有望被作为新型高性能ch₄吸附存储材料获得广泛应用。

由于构建mofs材料的模块化分子——构建块（building block）的组分和拓扑结构多样性，而且各个构建块之间组合方式多样化，因此能组装出数量巨大的mofs材料。大批量新型mofs材料的出现，使根据目标应用性能来精确调控mofs材料结构的定向设计和制备成为可能，但是传统的试错型研究方法因研发周期长、成本大等问题，难以满足新型mofs材料研究开发快速发展的需求。为了加速研究进程，计算机辅助分子设计和性能预测的方法被逐渐应用mofs材料的高通量定向筛选研究，即采用计算机高通量筛选的方法寻找新型特定功能的mofs材料。wilmer和snurr等人最早通过高通量材料集成计算，将mofs材料的构建块并行、系统、反复地组合出大量不同组分和结构的mofs化合物，并以此建立了一个超过13万种mofs的数据库。近年来，人工智能在提高mofs材料的高通量筛选效率方面获得一些进展，如：在2011年，wilmer等人使用102个构建块生成了137,953个hmofs结构，并计算了孔径分布、比表面积和甲烷储存量，预测了超过300个比已知材料的甲烷吸附性能更好的hmofs结构；在2012年，watanabe等人从剑桥结构数据库（csd）中提取了30 000种扩展金属有机化合物，通过分子动力学模拟建立了其中的1167个3d mof材料co₂ / n₂分离性能的模型，进一步证实高通量筛选mofs材料的可行性；2013年，goldsmith等人从含有55万个mofs结构的csd中生成了22,700个mofs材料的3d模型，并研究了它们的储氢性能；在2014年，chung等人开发了第一个公开可用的名为core mof数据库，当中包含超过4700个mofs的3d模型，通过机器学习方法模拟的甲烷吸附储存性能和使用hmofs数据库模拟得出的结果一致。

2. 研究的基本内容与方案

2.1研究目标

用机器学习的方法构建出hmofs材料甲烷存贮性能的构效关系模型，并对模型超参数进行优化，得到高效高精度的甲烷吸附预测模型，阐明高性能甲烷存贮mofs材料的关键结构特征和分子机理。

2.2研究的基本内容

3. 研究计划与安排

第1-2周：资料收集、整理，撰写开题报告，完成英文翻译

第3-5周：熟悉多孔骨架材料甲烷存贮研究的应用背景，掌握机器学习数据的预处理、模型建立及参数调优方法以及各种机器学习算法的实现

第6-9周：hmofs数据库的整理及数据预处理

4. 参考文献（12篇以上）

[1] pardakhti m.; moharreri e.; wanik d.,et al. machine learning using combined structural and chemical descriptors forprediction of methane adsorption performance of metal organic frameworks(mofs)[j]. acs combinatorial science, 2017,19(10):640-645.

[2] raccuglia p.; elbert k. c.; adler p. d.f., et al. machine-learning-assisted materials discovery using failedexperiments[j]. nature, 2016, 533(7601):73-76.

[3] wilmer c.e.; leaf m.; lee c.y.; et al.large-scale screening of hypothetical metal-organic frameworks[j]. naturechem., 2012, 4(2):83-89.