As interest in Metal-Organic Frameworks (MOFs) increases, so does the need for research into their thermal stability. This study focused on predicting the thermal stability of MOFs based on various characteristics derived from their structure. We employed two main approaches: using the reactive force field (ReaxFF) to screen the thermal stability of multiple MOFs simultaneously and developing a machine learning model for large datasets to predict thermal stability and investigate the factors involved in it. Notably, the classification model developed in the second approach not only demonstrated high accuracy but also provided insights into the factors affecting the thermal stability of MOFs.
금속 유기 골격체에 대한 관심이 높아짐에 따라, 금속 유기 골격체의 열 안정성에 대한 연구의 필요성 역시 증가하였다. 이 연구에서는 금속 유기 골격체의 구조에서 비롯된 여러 특성 등을 통해 열 안정성을 예측하는 연구를 진행하였다. 크게 두 가지 접근 방법을 통해 연구를 진행하였는데, Reactive force field를 활용해 여러 금속 유기 골격체의 열 안정성을 한 번에 스크리닝 하는 방법과 큰 데이터 세트에 대한 열 안정성 예측을 하는 기계 학습 모델을 제작하고 열 안정성 예측에 관여하는 요소에 대해 조사하는 방법으로 진행하였다. 그 중, 두 번째 방법에서 제작된 분류 모델은 높은 정확도를 보였을 뿐만 아니라 열 안정성에 영향을 주는 요소들에 대한 통찰을 제공할 수 있었다.