使用密度泛函理论和机器学习原子间势预测沸石咪唑酯骨架材料的层级晶体结构 开放获取

《Chemical Science》：Hierarchical Crystal Structure Prediction of Zeolitic Imidazolate Frameworks Using DFT and Machine-Learned Interatomic PotentialsOpen Access

　　

晶体结构预测（CSP）正作为一种强大的方法用于金属有机框架（MOFs）的计算设计。在本文中，我们采用CSP对咪唑锌酸盐（ZnIm₂）的晶体能量景观进行高通量探索。作为沸石咪唑酯骨架（ZIF）家族中多晶型最丰富的成员，ZnIm₂至少具有24种已报道的结构和拓扑形式，并且新的多晶型仍在不断被发现。借助定制的机器学习原子间势（MLIPs），我们对超过300万个随机生成的晶体堆积排列进行高通量采样，并识别出9609个能量极小值，其特征为1484种网络拓扑，其中包括855种尚未报道的拓扑。除一种不在搜索边界内外，所有实验报道的ZnIm₂结构最终都与预测结构匹配，展示了CSP方法在采样实验相关ZIF结构方面的强大能力。最后，通过拓扑分析、密度和孔隙率的综合考虑，我们确定了一组代表未来实验筛选前景目标的结构，并展示了如何通过将实验粉末衍射图谱与预测结构的模拟图谱进行匹配来识别机械化学合成的MOFs结构。

此内容仅通过PDF提供。

打开 PDF 在新窗口中打开《使用DFT和机器学习原子间势对沸石咪唑酯骨架进行层级晶体结构预测》

? 2026 作者。由皇家化学学会出版

2026

作者

本文依据知识共享署名4.0国际许可协议（Creative Commons Attribution 4.0 Unported Licence）发布许可。您可以将此文章的材料用于其他出版物，无需向RSC进一步请求许可，但须给予正确的致谢。

本工作依据 知识共享署名4.0国际许可协议 许可。