基于数据的金属-有机框架发现方法，用于筛选分离五元C5烯烃混合物

《Journal of the American Chemical Society》：Data-Driven Discovery of Metal–Organic Frameworks for Sieving Separation of Quinary C5 Olefin Mixtures

C5烯烃通过数据驱动筛选的sieve MOFs实现高效吸附分离，建立包含345种MOFs的性能数据库，确定有效孔径范围，发现ZIF-8可产99.99%纯异戊二烯，并扩展Co-FA等3种MOFs分离剩余组分，串联工艺实现五种C5组分完全分离且循环稳定性优异。

　　

C5烯烃被广泛用作生产高性能聚合物和药品的化学原料，其分离需要复杂且能耗较高的工艺。本文报道了一种通过数据驱动的方法来发现适合分离C5烯烃混合物的吸附剂。通过使用大型语言模型系统分析1067篇文献，我们建立了一个包含345种金属有机框架（MOFs）及其相应分离性能的数据集。该数据集帮助确定了这些MOFs的有效孔径，进而使得我们发现了ZIF-8这种优异的吸附剂，它能够从C5混合物中分离出纯度高达99.99%的异戊二烯。在首次中试实验中，仅使用1.8公斤的ZIF-8吸附剂就成功获得了350毫升的高纯度异戊二烯。进一步扩展这种方法后，我们还发现了另外三种MOFs（Co-FA、Co(pz-NH₂)Ni和Co-gallate），用于分离剩余的四种C5烯烃组分。最终，将这四种MOFs结合到一个连续分离过程中，成功实现了对所有五种C5化合物（异戊二烯、1-戊烯、顺-2-戊烯、反-2-戊烯和正戊烷）的高纯度分离，并且该过程在多次重复操作中表现出优异的稳定性。