基于多尺度模拟驱动的机器学习筛选及设计掺杂型碳基CO2吸附剂的方法

本发明公开了一种基于多尺度模拟驱动的机器学习筛选及设计掺杂型碳基CO2吸附剂的方法，所述方法如下：S1、模型构建；S2、狭缝孔自由体积描述符Vf提取；S3、CO2吸附特性计算；S4、特征值提取；S5、机器学习训练集构建；S6、机器学习模型训练；S7、机器学习模型筛选；S8、掺杂型碳基吸附剂构型预测；S9、指导实验合成。本发明首次将自由体积描述符引入到机器学习训练模型中，以反映微孔与掺杂点位耦合模式下CO2可及的吸附空间大小。本发明以密度泛函‑巨正则蒙特卡洛‑分子动力学多尺度计算数据为训练集驱动机器学习，从而全面考虑碳基吸附剂内复杂耦合效应，实现高性能碳基吸附剂功能结构配组模式精准预测筛选。