一般に，金属–有機構造体（MOF）の節は複核金属クラスターから構成されており，その構造はドット（0D），ナノワイヤー（1D），ナノレイヤー（2D）など多岐にわたっている。MOF結晶を無機ナノクラスター集積構造と見做せば，単なる無機構造の凝集では実現困難な高度な自己組織化構造が達成可能であるため，優れた光物性や電子・イオン伝導特性の実現が期待できる。一方で，そのような多核金属が無限に連結された構造を持つMOFの結晶化は困難で，合成条件の最適化を効率化する手法の開発が求められてきた。本解説記事では，新規MOFの合成条件探索に，近年発展著しい機械学習の手法を活用する我々の試みを紹介する。
Metal–Organic Frameworks （MOFs） exhibit promising functionalities by utilizing the framework structures. Because MOFs can form many crystal polymorphisms, it is difficult to predict synthesis condition to realize desired structures. Mechanism of crystallization process of MOFs is not fully understood, and time consuming exploration has been required to optimize the synthesis conditions. Here, we focused on machine learning techniques, i.e. cluster analysis and decision tree analysis, to improve the accuracy of the prediction for the synthesis conditions. In this work, we explored the synthesis conditions of MOFs with polynuclear metal nodes using high throughput screening systems and machine learning technique.
キーワード：機械学習；金属–有機構造体（MOFs）；配位高分子（CPs）；クラスタリング解析；決定木学習
Key words: machine learning; metal–organic frameworks (MOFs); coordination polymers (CPs); cluster analysis; decision tree analysis
© 2022 一般社団法人日本ゼオライト学会© 2022 Japan Zeolite Association
This page was created on 2022-10-04T14:13:29.56+09:00
This page was last modified on
このサイトは（株）国際文献社によって運用されています。
