[논문 리뷰] The structure and topology of an amorphous metal-organic framework

Thomas C. Nicholas, Daniel F. Thomas du Toit외 4명|ArXiv.org|2025. 03. 31.

Metal-Organic Frameworks: Synthesis and Applications인용 수 3

한 줄 요약

이 논문은 활성 학습 하이브리드 역 몬테 카를로 접근법과 기계학습 상호원자 포텐셜을 사용하여 비정질 ZIF의 구조를 결정하고, 비정질 네트워크 토폴로지를 정량화하기 위해 CARVS 토폴로지을 도입한다.

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.

연구 동기 및 목표

• 결정 구조의 유사체를 넘어 비정질 MOF 구조에 대한 이해를 촉진한다.
• 실험과 활성학습 ML 인터원자 포텐셜을 결합한 데이터 기반 워크플로를 개발하여 a-ZIF를 모델링한다.
• a-ZIF의 국부적, 중간거리 및 토폴로지 특성을 특성화한다.
• a-ZIF 토폴로지와 비정질 실리콘 및 이산화 실리콘(SiO2)을 비교하여 토폴로지 다양성을 매핑한다.
• 설계 및 정보학을 가능하게 하는 정량적 비정질 토폴로지 지표를 제안한다.

제안 방법

• Atomic Cluster Expansion (ACE) 기계학습 상호원자 포텐셜을 사용한 하이브드 역 몬테 카를로(HRMC) 보정을 perform한다.
• HRMC 중 외삽 불확실성 γ에 의해 안내된 MLIP 훈련 세트를 반복적으로 확장하기 위해 활성학습을 사용한다.
• MLIP를 적합하고 실험적 X-ray 및 중성자 총 산란 데이터와 대조하여 검증한다.
• 백매핑된 SiO2 구조에서 시작하여 ZIF 토폴로지로 확장된 대규모 MD 용융-냉각 및 HRMC‑정제 모델을 생성한다.
• CrystalNets.jl 및 CARVS 기술자를 사용하여 링 크기 분포와 토폴로지 라벨이 있는 네트워크를 분석한다.
• 국부 기하학적 특징을 결정형 ZIF와 비교하고, 토폴로지 특징을 비정질 Si 및 SiO2와 비교한다.

실험 결과

연구 질문

• RQ1 실험 산란 데이터와 ML 구동 모델링에서 추론된 비정질 ZIF(a-ZIF)의 구조는 무엇인가?
• RQ2 a-ZIF의 토폴로지가 a-Si 및 a-SiO2와 같은 다른 사면체 비정질 네트워크와 어떻게 비교되는가?
• RQ3 비정질 네트워크를 위한 정량적 토폴로지 지표를 개발하고 이를 결정성 MOF 토폴로지와 관련지을 수 있는가?
• RQ4 a-ZIF에서 배위 결함과 링 통계의 역할은 무엇이며 실험과의 관련성은 무엇인가?
• RQ5 활성 학습이 표준 MD를 넘어 HRMC 주도 구성을 탐색하는 데 어떻게 향상된가?

주요 결과

• a-ZIF는 넓은 국부 배치를 갖는 확장된 AB2 사면체 네트워크를 형성하며 3- 및 5배위 Zn 노드의 비율은 작다.
• a-ZIF의 링 크기 분포는 3에서 약 15까지 확장되며 결정질 ZIF보다 넓어 중간 범위 차례의 다양성을 나타낸다.
• a-ZIF는 cag-ZIF와 zni-ZIF 사이의 토폴로지적 중간 위치에 있으며 비정질 Si 및 SiO2와는 토폴로지적으로 구별된다.
• CARVS는 비정질 토폴로지를 설명하기 위한 누적 모든 링의 정점 기호를 제공하여 비정질 및 결정성 네트워크 간의 토폴로지 거리 및 UMAP 임베딩을 가능하게 한다.
• 토폴로지 공간 분석은 a-ZIF와 a-SiO2가 겹치지만 구별되는 영역을 차지하며, a-ZIF가 더 넓은 토폴로지 다양성을 보인다.
• AL-HRMC 접근법은 실험 산란 데이터를 재현하고 RMC 모델에 비해 에너지적으로 안정적인 구조 모델을 산출한다.