[論文レビュー] The structure and topology of an amorphous metal-organic framework

Thomas C. Nicholas, Daniel F. Thomas du Toit+4 more|ArXiv.org|Mar 31, 2025

Metal-Organic Frameworks: Synthesis and Applications被引用数 3

ひとこと要約

本論文は活性学習ハイブリッド逆モンテカルロ法と機械学習 interatomic potentials を用いて無秩序ZIFの構造を決定し、無秩序ネットワークのトポロジーを定量化するCARVSトポロジーを導入する。

ABSTRACT

Amorphous metal-organic frameworks are an important emerging materials class that combine the attractive physical properties of the amorphous state with the versatility of metal-organic framework (MOF) chemistry. The structures of amorphous MOFs have largely been inferred by drawing analogies to crystalline polymorphs and inorganic glasses, but ultimately the validity of such structural models has been challenging to establish either experimentally or computationally. Here we use a unified data-driven approach, combining experimental scattering data and active machine learning for interatomic potentials, to determine the structure of an amorphous zeolitic imidazolate framework (a-ZIF) -- the canonical amorphous MOF. Our results reveal clear differences between the structure of a-ZIF and that of other amorphous tetrahedral networks, allowing us to invalidate the long-standing assumption that these inorganic and hybrid glasses are topologically equivalent. To this end, we introduce a systematic notation for the network topology of amorphous solids, building a bridge to the successful use of topology analysis in crystalline MOFs and to materials informatics. Our work provides insights into the structure and topology of the archetypal amorphous MOF and opens up new avenues for modelling and understanding amorphous framework materials more generally.

研究の動機と目的

• 結晶類似性を超える無秩序MOF構造の理解を動機づける。
• 実験と活性学習ML相互作用ポテンシャルを組み合わせたデータ駆動ワークフローを開発し、a-ZIFをモデル化する。
• 局所・中間範囲・トポロジー特徴を特徴づける。
• a-ZIFのトポロジーを無秩序なシリコンおよびシリカと比較してトポロジーの多様性を描く。
• 設計と情報学を可能にする定量的な無秩序トポロジ記述子を提案する。

提案手法

• Atomic Cluster Expansion (ACE) 機械学習 interatomic potential を用いたハイブリッド逆モンテカルロ（HRMC） refinements を行う。
• HRMC 中の外挿不確かさ γ に guided された活性学習によって MLIP トレーニングセットを反復的に拡張する。
• MLIP を適合させ、実験X線および中性子総散乱データと照合して検証する。
• SiO2構造からバックマッピングしてZIFトポロジーへ移行する大規模MD融解急冷およびHRMC-refinedモデルを生成する。
• CrystalNets.jl および CARVS 指標を用いて網路を環状サイズ分布およびトポロジーラベルで分析する。
• 局所幾何特徴を結晶ZIFと比較し、トポロジー特徴を無秩序SiおよびSiO2と比較する。

実験結果

リサーチクエスチョン

• RQ1 実験散乱データとML駆動モデリングから推定される無秩序ZIF（a-ZIF）の構造は何か。
• RQ2 a-ZIF のトポロジーはa-Siやa-SiO2のような他の四面体無秩序ネットワークとどう比較されるか。
• RQ3 無秩序ネットワークの定量的トポロジ記述子を開発し、結晶MOFトポロジーと関連づけることができるか。
• RQ4 配位欠陥と環統計がa-ZIFに及ぼす役割と実験との関係は。
• RQ5 活性学習は標準MDを越えた配置空間探索をHRMCガイド下でどのように改善するか。

主な発見

• a-ZIF は拡張された AB2 四面体ネットワークを形成し、局所配位は広く、Zn ノードの3-および5配位が小さな割合で存在する。
• a-ZIF の環サイズ分布は 3 からおおよそ 15 まで広がり、結晶ZIFよりも多様な中間範囲秩序を示す。
• a-ZIF は cag-ZIF と zni-ZIF の間のトポロジー的中間点にあり、無秩序SiおよびSiO2とはトポロジー的に異なる。
• CARVS は無秩序トポロジーを記述する累積すべての環頂点記号を提供し、無秩序と結晶ネットワーク間のトポロジー距離とUMAP埋め込みを可能にする。
• トポロジー空間解析は a-ZIF と a-SiO2 が重なるが異なる領域に位置することを示し、a-ZIF はより広いトポロジー多様性を示す。
• AL-HRMC アプローチは実験散乱データを再現し、RMC モデルと比較してエネルギ的に安定な構造モデルを与える。