Dat blijkt uit een studie gepubliceerd in het tijdschrift Frontiers of Environmental Science &Engineering hebben onderzoekers van de Sichuan Universiteit belangrijke inzichten onthuld in de structuur-prestatierelaties van metaal-organische raamwerken (MOF's). Hun onderzoek werpt niet alleen licht op de complexiteit van de jodiumopnamecapaciteiten van MOF's, maar benadrukt ook de noodzaak van een alomvattende, veelzijdige analyse.

In deze uitgebreide studie gebruikten onderzoekers grootschalige moleculaire simulatie en machinaal leren (ML) om de meest effectieve MOF's voor het opvangen van gasvormig jodium te identificeren. Met behulp van een grote canonieke Monte Carlo-simulatie in een database van 8.862 MOF's kon het team de jodiumopnamewaarden voorspellen en de top 10 MOF's vaststellen, waarbij hun specifieke adsorptielocaties werden gevisualiseerd.

Door verder gebruik te maken van ML, legden ze vitale structuur-eigenschaprelaties vast, waarbij ze de structurele en chemische kenmerken van MOF's koppelden aan hun jodiumvangstefficiëntie. Deze studie onthulde niet alleen belangrijke inzichten in de structuur-prestatierelaties van de MOF's, waarbij een sterke correlatie werd aangetoond tussen bepaalde geometrische kenmerken, zoals de grote holtegrootte en oppervlakte en verbeterde jodiumopname, maar benadrukte ook de noodzaak van multifactoriële analyse. Deze aanpak was van cruciaal belang om te begrijpen dat geen enkel kenmerk alleen de jodiumopnamecapaciteit van een MOF kon voorspellen, wat een aanzienlijke vooruitgang betekende op het gebied van het ontwerpen van milieuvriendelijke materialen.

Dit onderzoek schept een alomvattend raamwerk voor het creëren van geavanceerde MOF-adsorbentia, waardoor de opvang en terugwinning van radioactief jodium en soortgelijke vluchtige gevaren voor het milieu worden verbeterd. Het betekent een aanzienlijke stap voorwaarts in de verbetering van de opwerking en het beheer van splijtstof, en levert een substantiële bijdrage aan de radiochemie en het streven naar duurzame kernenergie.

Meer informatie: Min Cheng et al, Een grootschalige screening van metaal-organische raamwerken voor het afvangen van jodium, waarbij moleculaire simulatie en machinaal leren worden gecombineerd, Frontiers of Environmental Science &Engineering (2023). DOI:10.1007/s11783-023-1748-3

Aangeboden door de Chinese Academie van Wetenschappen