機械学習ポテンシャルを用いた超狭孔MOF MIL-120(Al) CO2吸着材における局所フレームワーク動力学の解読

なぜ微小な孔と原子の動きが二酸化炭素回収で重要か

気候変動を止めるには、産業排気や場合によっては大気中から二酸化炭素（CO2）を取り除く必要があると考えられています。この仕事に有望な材料群の一つが金属有機構造体（MOF）です。ナノスケールの孔を持つ結晶に似た足場は、ガス分子を捕らえることができます。本研究は極めて狭いチャネルを持つ特定のフレームワーク、MIL-120(Al)に着目しています。研究者たちは、これらの孔内部で水素を含む小さな部分が非常に速く動くことが、多くの実験では見えないにもかかわらず、材料のCO2捕捉性能に強く影響することを示します。量子計算と専用に調整した機械学習モデルを用いて、これらの隠れた運動がCO2の孔内での位置と結合の強さをどのように制御するかを明らかにしました。

金属と有機部位で組まれた極小のトンネル

MIL-120(Al)は、アルミニウム原子が有機分子でつながれた頑丈な三次元フレームワークから成ります。この構造は幅がおよそ0.5ナノメートル程度の一方向性チャネルを作り、CO2のようなガス分子が通るにはぎりぎりの空間です。チャネルの壁沿いには「架橋ヒドロキシル」基が並んでおり、酸素に結合した水素原子を含みアルミニウム中心をつなぎます。X線実験では水素原子の検出が難しいため、従来の構造モデルはこれらの位置を推定に頼ってきました。本研究は、この推定を覆すもので、こうした小さな基の向き――隣接鎖に向くのかチャネル内に向くのか――が実効的な孔幅やCO2の取り込み方を微妙に変えることを示しています。

一つの材料に潜む多くの配置

研究チームは量子力学（DFT）計算を用いて、MIL-120(Al)の単位繰返し内でヒドロキシル基が取り得る6通りの配置をマッピングしました。これら6通りはX線実験ではほとんど同一に見え、格子寸法も非常に近いものの、エネルギーや孔の形状が異なります。最低エネルギーの構造は隣接鎖間で水素結合が絡み合うネットワークを形成する一方、他のものはより無秩序だったり孔側を向いたヒドロキシルを持っていたりします。これらの差はチャネルサイズを1オングストローム未満だけ変えますが、超微小孔ではサブオングストロームの変化でもどのガス分子が入れるかや閉じ込めの強さに大きな影響を与えます。したがって著者らはヒドロキシル配向を、標準的な解析が見逃す「隠れた」構造変数として特定しています。

動く原子を追うための機械学習

これらのヒドロキシル基がどのように動き、配置間をどのように遷移するかを追跡するために、研究者たちは大量の高精度量子データで専用の機械学習ポテンシャルを訓練しました。このモデルはエネルギー、力、振動、遷移経路をほぼ量子計算と同等の精度で再現しつつ、計算コストははるかに小さくなります。これにより彼らは異なる配置がどれほど容易に相互変換するかを探索できました。エネルギー障壁は低く、常温ではヒドロキシル基が凍結しているのではなく構成を行き来できることが示されます。同じモデルに基づく機械的評価では、全体的な剛性は配置によって似通っているものの、応力に対する応答の仕方は各方向でヒドロキシルの配列に大きく依存することが示されました。これは、水素結合によって内部接触が調整された柔軟でありながら堅牢なフレームワーク像を明らかにします。

CO2は孔の中でどう居場所を見つけるか

機械学習モデルを用いて著者らはCO2分子がMIL-120(Al)にどのように入り、孔内でどのように配列するかをシミュレートしました。CO2はヒドロキシルの向きに応じて、おおむねチャネルを横切るように配向するか、あるいは沿うように配向するかのいずれかをとることがわかりました。ヒドロキシルが孔内を向いているときは、CO2は強い水素結合様の接触を形成でき、より高い結合エネルギーとわずかに高い吸着熱につながります。対してヒドロキシルが軸向に配列しているとCO2はチャネルに沿って整列します。ガスとフレームワークの両方を動かせる高度なシミュレーションは、フレームワークを剛体として扱う従来の力場アプローチよりも実験で観測されるCO2の取り込み量や結合強度をよりよく再現します。結果はまた、孔がCO2で満たされるにつれてヒドロキシルの再配向が促進され、フレームワークがエネルギー的に有利な状態へと再編成されるのを助け得ることを示しています。

将来のCO2フィルタにとっての意味

総じて、本研究はMIL-120(Al)における水素原子の小規模な運動が取るに足らない細部ではなく、CO2捕捉を制御する中心的要因であることを明らかにします。X線測定ではこれらの水素が明瞭に見えなくとも、その位置の変化は孔の開口やCO2の結合の強さ・幾何に影響を与えます。高精度量子計算と系に特化した機械学習ポテンシャルを組み合わせることで、著者らはこの隠れた内部動力学とそれがガス吸着に与える影響の現実的な像を構築しました。次世代のCO2フィルタや関連材料を設計する者にとっての教訓は明白です。超微小孔での性能を予測・最適化するには、平均的で剛直なフレームワークだけでなく、内部官能基の微妙な“舞い”を考慮することが極めて重要です。

引用: Fan, D., Oliveira, F.L., Bonakala, S. et al. Decoding local framework dynamics in the ultra-small pore MOF MIL-120(Al) CO₂ adsorbent using machine-learning potential. Nat Commun 17, 3235 (2026). https://doi.org/10.1038/s41467-026-69993-x

キーワード: 金属有機構造体, 二酸化炭素回収, 超微細多孔質材料, 機械学習ポテンシャル, ガス吸着