氧化石墨烯膜因其在海水淡化和水过滤等领域的广泛应用而备受关注。在这项工作中，我们将四种机器学习（ML）算法（Bagging, XGBoost， AdaBoost和RF）与分子动力学模拟（MD）结果作为数据库进行比较，以预测氧化石墨烯关键结构特征（如氧化程度和层间间距）对水扩散的影响。机器学习结果表明，基于模型的XGBoost算法在四种模型中性能最好。此外，基于RF的机器学习算法评估了氧化石墨烯的两个结构特征对水扩散的重要影响。研究结果表明：在氧化度为30%、层间距为2 nm时，层间距对水扩散的影响明显大于氧化度。选择氧化石墨烯表面的水和氧基团之间的氢键来研究这一现象背后的机制。这项工作可以帮助我们预测水的扩散，并了解氧化石墨烯膜的结构特性对水处理的影响，可助于氧化石墨烯纳滤的设计。
 
 
图1. (a)模拟系统的快照，该系统由两个GO板和四个石墨烯板组成，左侧和右侧的水分子穿过膜。(b)表面附有含氧基团的GO板；红色和白色的球分别代表羟基中的氧原子和氢原子。
 


图2. 不同层间距和氧化程度下(a)-OH基团和(b) -O-基团修饰的不同GO膜间的水分子扩散系数。
 


图3. 模型参数的优化过程:测试集各种比例的R²分数:(a)-OH基团；(b) -O-基团。
 


图4. 当GO被(a)羟基(-OH)和(b)环氧基(-O-)修饰时，MD(水平)计算值和XGBoost(垂直)预测值之间的水扩散系数相关图。
 


图5. GO膜结构特性对水扩散性能的重要性分析。(a)–OH和–O氧化范围的完整程度比较；氧化度低于和高于(b)-OH和(c)-O-对比的14%。
 


图6. 在不同氧化程度的GO纳米片上的( a)水分子和羟基之间，以及(b)水分子和环氧基之间形成的氢键总数。
 


图7. 对于不同的层间距离，氧化基团在不同的氧化程度下与水形成的氢键的平均数:(a)-OH (b)-O-。
 
       相关研究成果由南宁师范大学广西信息功能材料与智能信息处理重点实验室Li Zeng等人于2024年发表在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

转自《石墨烯研究》公众号