深度学习加速筛选高性能金属有机骨架材料储氢的研究开题报告

全文总字数：8035字

1. 研究目的与意义（文献综述）

1.1选题背景及意义

在传统化石能源面临枯竭,燃料燃烧产生大量co2引发温室效应等环境问题日益严峻的今天,世界各国寻求清洁、可持续的可替代能源迫在眉睫。氢气作为一种可替代清洁能源,其完全氧化产物是水,不会对环境产生任何污染。因此其作为车载能源的潜在用途受到越来越广泛的关注。但是,由于车载氢气燃料体积能量密度远远低于汽油等化石燃料,使得目前的氢燃料汽车常常因为续行里程不足而缺乏市场竞争力。

提高车载氢气燃料体积密度依然面临挑战,目前的解决办法主要是液态储氢、压缩储氢和吸附材料储氢。吸附储氢材料因为成本低而且相较于前面两种方式更为安全而成为研究热点。金属有机框架材料（metal-organic frameworks, mofs）是含氧或含氮的有机配体与过渡金属通过自组装连接而形成的具有周期性网状结构的晶体,具有超高的比表面积和孔隙率,是一类理想的吸附储氢材料,有望在较低的压力（10mpa）下储存和现有压缩储氢同样续行里程的氢气。由于mofs材料结构可调性非常大,导致通过实验合成与测试的方法逐一寻找合适的mofs储氢材料的周期漫长,而通过计算机模拟对大量mofs材料进行筛选成为更合理的选择。

2. 研究的基本内容与方案

2.1研究基本内容

本研究主要分为数据收集和数据分析两个部分。本研究跨越了计算机、化学、数学、材料科学等多个学科,重点研究mofs材料的能量特性,找到高效的材料筛选方法。具体研究内容包括以下几个部分：

（1）理论研究：收集资料并阅读相关文献,了解mofs材料的设计方法,材料不同结构参数的表征方法以及深度学习的方法在材料储氢性能预测中的应用,了解mofs材料储氢性能定量构效关系分析方法,分子模拟计算mofs材料储氢性能的方法,为后续的研究奠定基础。学习深度学习相关知识。

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mofs分子设计、结构参数计算、能量分布参数计算以及深度学习算法在材料储氢性能预测中的应用

第6-9周：研究深度学习算法预测mofs材料储氢性能的参数优化

4. 参考文献（12篇以上）

[1] bucior b.j.,bobbitt n.s., islamoglu t,et al. energy-based descriptors torapidly predict hydrogen storage in metal-organic frameworks [j]. molecularsystems design engineering, 2019, 4(1): 162-74.

[2] wux, xiang s, su j, et al. understanding quantitative relationship betweenmethane storage capacities and characteristic properties of metal–organicframeworks based on machine learning [j]. the journal of physical chemistry c,2019, 123(14): 8550-9.

[3] wux, li l, fang t, et al. effect of an acetylene bond on hydrogen adsorption indiamond-like carbon allotropes: from first principles to atomic simulation[j].physical chemistry chemical physics, 2017, 19(13):9261.