Расшифровка динамики локальной структуры в адсорбенте CO2 ультра-мелкопористого МОС MIL-120(Al) с помощью потенциала машинного обучения

Почему важны крошечные поры и движущиеся атомы для улавливания углерода

Остановка изменения климата, вероятно, потребует извлечения диоксида углерода (CO2) из промышленных выбросов и, возможно, даже из воздуха. Одним из перспективных классов материалов для этой задачи являются металло‑органические каркасы — кристаллоподобные остовы с наноразмерными порами, способные захватывать молекулы газа. В этом исследовании рассмотрен конкретный каркас MIL-120(Al) с чрезвычайно узкими каналами. Авторы показывают, что очень малые, быстрые движения групп, содержащих водород, внутри этих пор, невидимые для большинства экспериментов, могут сильно влиять на способность материала захватывать CO2. Сочетая квантовые расчёты и специализированную модель машинного обучения, они выясняют, как эти скрытые движения определяют и места размещения CO2 в порах, и силу его связывания.

Крошечные туннели, собранные из металлов и органики

MIL-120(Al) строится из атомов алюминия, связанных органической молекулой в прочный трёхмерный остов. Такая архитектура создаёт одномерные каналы шириной примерно полнанометра — едва достаточно места для прохождения молекул газа, например CO2. По стенкам этих каналов расположены «мостовые гидроксили» — маленькие фрагменты с атомом водорода, связанного с кислородом, который соединяет алюминиевые центры. Рентгеновские эксперименты плохо видят водород, поэтому в прошлых структурных моделях положения этих групп часто предполагали. Новая работа оспаривает это допущение, показывая, что направление этих крошечных групп — в сторону соседней цепочки или в просвет канала — тонко меняет эффективную ширину поры и способ размещения CO2.

Множество скрытых вариантов внутри одного материала

С помощью квантово‑механических (DFT) расчётов команда проследила шесть различных способов расположения этих гидроксилов в повторяющемся звене MIL-120(Al). Хотя все шесть вариантов практически неразличимы для рентгена и имеют очень близкие размеры элементарной ячейки, они отличаются по энергии и форме пор. Наименее энергетически затратная версия формирует взаимосвязанную сеть водородных связей между соседними цепями, тогда как в других вариантах гидроксили более упорядочены или выступают в сторону поры. Эти различия изменяют ширину канала менее чем на ангстрем, но в столь узких порах даже субангстремные изменения могут радикально повлиять на то, какие молекулы газа проникают и насколько плотно они связаны. Авторы поэтому выделяют ориентацию гидроксилов как «скрытую» структурную переменную, которой стандартная характеристика не придаёт значения.

Машинное обучение для отслеживания движущихся атомов

Чтобы проследить, как эти гидроксили перемещаются и переключаются между конфигурациями, исследователи обучили специализированный потенциал машинного обучения на большой выборке высокоуровневых квантовых данных. Модель воспроизводит энергии, силы, колебания и пути переходов с близкой к квантовой точностью, но при гораздо меньших вычислительных затратах. С её помощью они исследовали, насколько легко различные конфигурации взаимопревращаются. Энергетические барьеры невысоки, что означает: при комнатной температуре гидроксили могут переворачиваться между состояниями, а не оставаться замороженными. Механические тесты на той же модели показывают, что хотя общая жёсткость материала похожа для разных вариантов, отклик на нагрузку в различных направлениях сильно зависит от порядка этих групп. Это выявляет гибкий, но прочный каркас, внутренние контакты которого настраиваются водородными связями.

Как CO2 находит своё место в порах

С помощью модели машинного обучения авторы смоделировали, как молекулы CO2 проникают и располагаются внутри MIL-120(Al). Они обнаружили, что CO2 стремится ориентироваться либо примерно поперёк канала, либо вдоль него, в зависимости от направления гидроксилов. Когда гидроксили обращены в просвет поры, CO2 может образовывать сильные контакты, похожие на водородные связи, что ведёт к более высокой энергии связывания и слегка увеличенной теплоте адсорбции. При более аксиальной ориентации гидроксилов CO2 выстраивается вдоль канала. Продвинутые моделирования, допускающие подвижность как газа, так и каркаса — в отличие от подходов с жёстким остовом — гораздо лучше воспроизводят экспериментальные значения поглощения CO2 и силы связывания по сравнению со стандартными силовыми полями. Результаты также показывают, что по мере заполнения пор CO2 может ускорять переориентацию гидроксилов, помогая каркасу реорганизоваться в энергетически благоприятные состояния.

Что это значит для будущих фильтров CO2

В целом исследование показывает, что движения водородов в MIL-120(Al) на малых масштабах — не мелочь, а ключевой фактор, управляющий захватом CO2. Несмотря на то, что рентгеновские измерения слабо фиксируют эти водороды, их смещения регулируют открытие поры и геометрию и силу связывания CO2. Сочетая точные квантовые расчёты с системоспецифичным потенциалом машинного обучения, авторы создают реалистичную картину этой скрытой внутренней динамики и её влияния на адсорбцию газов. Для разработчиков фильтров следующего поколения и родственных материалов посыл ясен: чтобы предсказывать и оптимизировать поведение в ультра‑малых порах, необходимо учитывать тонкий «танец» внутренних функциональных групп, а не только усреднённый, жёсткий остов.

Цитирование: 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

Ключевые слова: металло‑органические каркасы, улавливание диоксида углерода, ультрамикропористые материалы, потенциалы машинного обучения, адсорбция газов