预测金属有机骨架甲烷和氢气输送能力的迁移学习建模

基于深度神经网络(DNN)和迁移学习(TL),使用少量数据建立TL模型,精准预测了金属有机骨架(MOFs)的甲烷和氢气输送性能.首先,使用8414个MOFs在298 K/65 bar~298 K/5.8 bar(1 bar=0.1 MPa)条件下的甲烷输送数据训练一个决定系数(R^(2))为0.973的DNN[源任务(ST)模型].随后,将ST模型的部分参数冻结,使用100个MOFs在233 K/65 bar~358 K/5.8 bar条件下的甲烷输送数据和100个MOFs在198 K/100 bar~298 K/5 bar条件下的氢气输送数据分别微调ST模型,进行TL建模.结果表明,两个TL模型的R2分别为0.968和0.945,均高于其它5个传统的ML模型.所开发的TL模型在预测小数据集时具有高精度与高稳定性.最后,使用排列特征重要度方法来计算描述符重要度,明确了模型之间的“知识”共享情况,并在此基础上探讨了重要描述符和输送能力之间的关系.

不同等级砂加气混凝土碳化性能研究

采用碳化深度测量、SEM、XRD等手段,在特定的环境下研究了不同等级砂加气混凝土的碳化性能和力学性能。结果表明:由于砂加气混凝土水化生成的托贝莫来石逐渐转变为方解石,砂加气混凝土的抗压强度随着碳化深度的增加而明显下降。

关于土木工程施工中节能绿色环保技术应用探讨

伴随着城市化进程的不断推进,传统的土建施工技术已不能满足现代工程质量的要求,传统的土建施工技术在实际施工中存在着不足。随着我国生态环境保护政策的实施,国民环保意识的提高,国家对土建工程建设环境保护的重视程度的提高,促使我国土建工程施工单位逐步将各种节能、环保技术应用到建筑上,给土建工程建设带来了新的挑战。本论文的研究内容对于分析土木工程建设中的节能、绿色环保技术具有重要意义。

B02级砂加气混凝土保温板生产及其应用试验研究

研发了B02级砂加气混凝土保温板,对产品的原材料、配合比、生产工艺参数、产品性能和耐候性能进行了试验研究。

机器学习与分子模拟协同的CH_(4)/H_(2)分离金属有机框架高通量计算筛选

在减少CO_(2)排放、实现碳中和的背景下,金属有机框架(MOFs)在清洁能源领域展现出广阔应用前景.提出一种机器学习和分子模拟协同的分层筛选策略,快速、准确地从134185个假设MOFs中识别出具有最佳CH_(4)/H_(2)分离性能的吸附剂.首先,根据MOFs的结构性质,筛掉孔径或体积比表面积不恰当的吸附剂,初筛后MOFs的数量减至62278个.接下来,抽取10%MOFs将结构和化学混合描述符作为特征,利用随机森林分别构建变压吸附和真空变压吸附过程中其对CH_(4)的吸附剂性能得分(APS)预测模型.相比于其他模型构建策略,基于本策略构建的模型具有最优预测准确性,可用于余下MOFs的性能预测.随后根据APS预测值排序,筛选出Top 1000的MOFs并利用分子模拟修正预测结果,进一步确定了10个最佳MOFs.最后,对描述符的重要性进行解释,揭示了实现模型在不同操作场景下的迁移具有潜力,为未来开发适用于多操作场景下的高性能MOFs筛选方法提供了一条高效的研究路径和方法.