高通量模拟结合机器学习揭示共价有机框架（COF）膜中有机溶剂传质机制及其精准分离应用

本综述系统整合高通量分子模拟与机器学习（ML）方法，深入揭示溶剂-膜相互作用对传质与选择性的调控机制，提出以孔尺寸依赖性亲疏水效应（“疏水通道”现象）和功能化修饰策略（如–SO3H嫁接）为核心的新型膜设计范式，为开发高性能共价有机框架（COF）膜用于有机溶剂精准分离提供理论依据与技术路径。

　　

分子模型

三种COF膜（TpTta、TpPa和TpBpy）的晶胞来源于CoRE数据库。为调控膜的亲疏水性与孔径，我们向COF中嫁接了三种常见功能基团（–COOH、–NH₂和–SO₃H），这些基团可同步调节孔尺寸与亲水性质，助力后续机制解析。

通量渗透性模拟结果与机器学习分析

我们选取孔径范围在7.55 ?至23.25 ?之间的三种COF膜（TpTta、TpPa、TpBpy），通过嫁接功能基团调控孔壁亲疏水性等属性，最终获得12种COF膜。为研究不同溶剂在COF膜中的传输机制，我们选择了九种溶剂，按极性分为三类：极性质子溶剂（甲醇和乙醇）、极性非质子溶剂（乙腈和丙酮）以及非极性溶剂（正己烷、甲苯、氯仿、二氯甲烷和四氢呋喃），系统考察其通量与渗透性。

结论

本研究结合高通量分子动力学（MD）模拟与机器学习（ML），深入探究纯溶剂在膜内的传质机制，并分析其在溶剂分离中的潜在作用。我们选取60个描述符表征溶剂、COF及压差（ΔP）。Pearson相关性矩阵显示COF结构描述符间高度关联。SHAP分析表明ΔP对通量影响显著，但对渗透性影响较小。所有描述符均表现出……（后续内容因原文截断无法完整翻译，此处保留原文结构）。