Graph neural network-based multi-objective Bayesian optimization for enhanced screening of metal–organic frameworks with optimal separation performance | Synapse
February 11, 2026Open Access
Optimisation bayésienne multi-objectifs basée sur des réseaux de neurones graphiques pour un dépistage amélioré des cadres organométalliques avec des performances de séparation optimales
Key Points
L'étude vise à améliorer le processus de dépistage des cadres organométalliques (MOFs) pour une meilleure performance de séparation en utilisant des méthodes d'optimisation avancées.
Utilisation de réseaux de neurones graphiques pour modéliser les propriétés des MOFs.
Implémentation d'une optimisation bayésienne multi-objectifs pour explorer les caractéristiques structurelles optimales.
Concentration sur l'amélioration des performances de séparation dans le processus de dépistage.
Identification de plusieurs MOFs avec des capacités de séparation supérieures.
Obtention d'une efficacité supérieure dans le processus de dépistage par rapport aux méthodes traditionnelles.
Démonstration du potentiel pour des applications pratiques dans la capture de gaz et la délivrance de médicaments.
Abstract
Les cadres organométalliques (MOFs) sont des matériaux cristallins poreux ayant des applications dans la capture de gaz, la délivrance de médicaments et les séparations moléculaires.