金属有机框架拓扑结构对储氢容量影响的计算研究

本文通过计算方法研究了金属-有机框架（MOFs）的拓扑结构对其氢气存储性能的影响。研究团队构建并筛选了超过10万个基于529种拓扑结构的MOF结构，开发了基于机器学习的模型来预测氢气吸附性能，并成功识别出性能优异的材料。研究发现，具有更高拓扑密度的网络能够产生具有更大体积和重量比表面积的MOFs，从而提高氢气存储的最大体积可交付容量（VDC），同时将容量权衡向更高的重量可交付容量（GDC）方向移动。该研究为基于拓扑结构的MOF设计提供了新的方向，有助于优化氢气及其他气体的存储性能。