Separation of ethane and ethylene is considered to be industrially important for various chemical processes, but their similarities make the process expensive. In this study, we integrated computational screening with machine learning to find optimal MOFs with high ethane/ethylene selectivity. Using our algorithm, 41 hypothetical MOF structures with an IAST selectivity above 2.5 at 298K and 1 bar were generated. Through refined analysis for these structures, the structure with an IAST selectivity of 3.6 in a flexible environment was discovered. Further, structural analysis was implemented and the full adsorption isotherm of some of the top structures were obtained.
에탄과 에틸렌의 분리는 다양한 화학 공정에서 산업적으로 중요한 것으로 간주되지만 이들의 구조적 물리적 유사성으로 인해 공정 비용이 많이 든다. 이 연구에서 에테인/에틸렌 선택성이 높은 최적의 금속 유기 구조체를 찾기 위해 컴퓨터 스크리닝과 기계 학습을 이용하였다. 알고리즘을 사용하여 298K 및 1bar에서 이상 흡착 용액 이론 선택도가 2.5 이상인 가상의 금속 유기 구조체 41개가 생성되었다. 이 구조들에 대한 추가적인 분석을 통하여 유동적인 환경에서 선택도가 3.6인 구조를 얻었다. 또한, 구조 분석을 수행하여 선택성이 좋은 구조들의 전체 흡착 등온선을 얻었다.
