近日，课题组与浙江大学、杭州电子科技大学以及浙江科技学院合作，基于高通量计算模拟以及机器学习方法，对石墨烯纳米孔的海水淡化性能展开研究，文章"Data-Driven Design of Nanopore Graphene for Water Desalination”在国际期刊The Journal of Physical Chemistry C正式发表。
纳米孔石墨烯具有独特的性质，是一种很有前途的海水淡化膜。然而，海水淡化过程的内在复杂性，以及膜/纳米孔本身的各种可调节特性，使得准确预测新材料的性能或设计具有很大挑战。机器学习技术在物理过程分析方面具有强劲的优势，可为高性能海水淡化膜的合理设计提供便利。
本文选择不同的纳米孔形貌、孔径尺寸、纳米孔电荷分布状态、施加压力和盐浓度，进行了2000余组的高通量计算模拟。随后通过机器学习方法研究发现，脱盐率主要取决于孔隙形状、孔隙面积和施加的压力，而水的渗透主要取决于孔隙面积和施加的压力。基于离子密度和水密度沿纳米孔的物理化学分析，以及机器学习的结果，我们最终设计了具有特定孔隙形状、可以实现高水渗、高盐排率的石墨烯纳米孔结构；在脱盐率基本一致的情况下，其水渗率比商业的RO反渗透膜高2个数量级。
