Aufgrund der komplexen Strukturen mikroporöser Kristalle, sogenannter MOFs, waren zuverlässige Simulationen ihrer Eigenschaften bislang schwierig. Maschinelles Lernen bietet die Lösung.
Wasserstoffspeicherung, Wärmeleitung, Gasspeicherung, CO2und Wasserbindung – Metall-organische Gerüstverbindungen (MOFs) verfügen über außergewöhnliche Eigenschaften aufgrund ihrer einzigartigen Struktur in Form mikroporöser Kristalle, die trotz ihrer geringen Größe über eine sehr große Oberfläche verfügen. Das macht sie für Forschung und praktische Anwendungen äußerst interessant. Allerdings sind MOFs sehr komplexe Systeme, deren exakte Simulation bislang sehr viel Zeit und Rechenleistung erforderte. Ein Team um Egbert Zojer vom Institut für Festkörperphysik der TU Graz hat diese Simulationen nun mittels maschinellem Lernen deutlich verbessert, was die Entwicklung und Anwendung neuartiger MOFs enorm beschleunigt. Ihre Methode haben die Forschenden im Nature Research-Journal npj Computational Materials veröffentlicht .
https://www.nature.com/articles/s41524-024-01205-w
