請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/80723| 標題: | 以電腦計算探討金屬有機骨架內氣體的輸送現象及其在薄膜分離的應用 Computational Studies on Gas Transport in Metal-Organic Frameworks for Membrane Separations |
| 作者: | Ting-Hsiang Hung 洪鼎翔 f06524078 |
| 指導教授: | 康敦彥(Dun-Yen Kang) |
| 共同指導教授: | 林立強(Li-Chiang Lin) |
| 關鍵字: | 金屬有機骨架,分子篩,輸送現象,薄膜氣體分離,卷積神經網路, Metal-Organic framework,Molecular sieve,Transport phenomenon,Membrane gas separation,Convolutional neural network, |
| 出版年 : | 2021 |
| 學位: | 博士 |
| 摘要: | 金屬有機骨架為一種由金屬離子與有機配子所形成的配位孔洞材料,這類材料具有很多元的拓樸結構,其孔洞大小也多為超微孔尺度,因此極適合用來作為分子篩進行埃尺度的分離。而在分子篩領域中,孔洞限制直徑被定義為該結構中最大能自由移動球體之直徑,亦可理解為氣體分子於此材料中須跨過之拓樸瓶頸的尺寸,這個數值常被用來當成判斷分離程序的準則。然而此研究點出,孔洞限制直徑並無法很好的評斷非惰性氣體分子於金屬有機骨架中的輸送現象,其中庫倫位能是主要原因,以二氧化碳為例,其與結構間的庫倫作用力有機會使得二氧化碳於金屬有機骨架中的質傳瓶頸與結構的拓樸瓶頸有所偏移。不僅如此,我也觀察到,比起以孔洞大小篩選,藉由設計骨架的開放金屬點位的排列,讓二氧化碳於結構中獲得一個均勻的庫倫能量分佈,將能夠得到更高的碳捕捉能力的金屬有機骨架材料。此外,此論文更點出即使是惰性氣體分子的分離,現行計算孔洞限制直徑方法上,忽略了氣體分子本身所具有的動能,因此該數值在評斷分離程序亦有時失準,本論文提出並計算出與質傳較相關的孔洞限制直徑,並證明其能夠提高與選擇率的相關性至高二十個百分比。在論文的最後,我也初探機器學習於預測具有高二氧化碳吸附選擇性金屬有機骨架的能力,結果顯示,卷積神經網路具有很高的潛力。希望藉由此份研究,可以加速在金屬有機骨架薄膜材料的挑選階段,也能夠對於過去及未來的實驗結果能夠有更正確的理解以及更好的詮釋。 |
| URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/80723 |
| DOI: | 10.6342/NTU202103741 |
| 全文授權: | 同意授權(限校園內公開) |
| 顯示於系所單位: | 化學工程學系 |
文件中的檔案:
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-1510202101060600.pdf 授權僅限NTU校內IP使用(校園外請利用VPN校外連線服務) | 8.84 MB | Adobe PDF |
系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。
