氧化石墨烯膜因其在海水淡化和水過濾等領域的廣泛應用而備受關注。在這項工作中，我們將四種機器學習（ML）算法（Bagging, XGBoost， AdaBoost和RF）與分子動力學模擬（MD）結(jié)果作為數(shù)據(jù)庫進行比較，以預測氧化石墨烯關鍵結(jié)構(gòu)特征（如氧化程度和層間間距）對水擴散的影響。機器學習結(jié)果表明，基于模型的XGBoost算法在四種模型中性能最好。此外，基于RF的機器學習算法評估了氧化石墨烯的兩個結(jié)構(gòu)特征對水擴散的重要影響。研究結(jié)果表明：在氧化度為30%、層間距為2 nm時，層間距對水擴散的影響明顯大于氧化度。選擇氧化石墨烯表面的水和氧基團之間的氫鍵來研究這一現(xiàn)象背后的機制。這項工作可以幫助我們預測水的擴散，并了解氧化石墨烯膜的結(jié)構(gòu)特性對水處理的影響，可助于氧化石墨烯納濾的設計。
圖1. (a)模擬系統(tǒng)的快照，該系統(tǒng)由兩個GO板和四個石墨烯板組成，左側(cè)和右側(cè)的水分子穿過膜。(b)表面附有含氧基團的GO板；紅色和白色的球分別代表羥基中的氧原子和氫原子。
圖2. 不同層間距和氧化程度下(a)-OH基團和(b) -O-基團修飾的不同GO膜間的水分子擴散系數(shù)。
圖3. 模型參數(shù)的優(yōu)化過程:測試集各種比例的R
2分數(shù):(a)-OH基團；(b) -O-基團。
圖4. 當GO被(a)羥基(-OH)和(b)環(huán)氧基(-O-)修飾時，MD(水平)計算值和XGBoost(垂直)預測值之間的水擴散系數(shù)相關圖。
圖5. GO膜結(jié)構(gòu)特性對水擴散性能的重要性分析。(a)–OH和–O氧化范圍的完整程度比較；氧化度低于和高于(b)-OH和(c)-O-對比的14%。
圖6. 在不同氧化程度的GO納米片上的( a)水分子和羥基之間，以及(b)水分子和環(huán)氧基之間形成的氫鍵總數(shù)。
圖7. 對于不同的層間距離，氧化基團在不同的氧化程度下與水形成的氫鍵的平均數(shù):(a)-OH (b)-O-。
相關研究成果由南寧師范大學廣西信息功能材料與智能信息處理重點實驗室Li Zeng等人于2024年發(fā)表在Computational Materials Science (https://doi.org/10.1016/j.commatsci.2023.112769 )上。原文：Water molecule diffusion in graphene Oxide: Exploiting machine learning algorithms for advantages and insights
轉(zhuǎn)自《石墨烯研究》公眾號
