33393

بررسي و مدل سازي چارچوب هاي فلز_آلي جهت پيش بيني هدايت الكتريكي آن ها

كارشناسي ارشد

نانو شيمي

1399

1403/11/29

سركار خانم دكتر فرانك منطقي _ جناب آقاي دكتر عليرضا اكبرزاده

_

شيمي

روابط كمي ساختار_فعاليت يا ويژگي (QSAR/QSPR) يكي از فنون نويدبخش در زمينه روش‌هاي مجازي به‌منظور پيش‌بيني ويژگي‌هاي شيميايي است. در اين روش‌ها، با استفاده از توصيف‌كننده‌هايي كه از ساختار مولكولي منتج مي‌شوند، به جستجوي الگويي در داده‌ها مي‌پردازند تا فعاليت يا ويژگي مواد شيميايي جديدي را كه ويژگي‌هاي مولكولي مشابهي دارند، پيش‌بيني كنند. در اين پروژه، از روش QSPR، جهت پيش‌بيني هدايت الكتريكي چارچوب‌هاي فلز – آلي (MOF ها) استفاده شد. به‌منظور انتخاب بهترين توصيف‌كننده‌ها روش رگرسيون خطي چندگانه (MLR) جهت ساخت مدل QSPR خطي به كار گرفته شد. داده‌هاي آزمايشگاهي هدايت الكتريكي 253 تركيب چارچوب فلز – آلي استخراج شده از مقاله‌ها به دو دسته آموزش و آزمون دسته‌بندي گرديد. 202 تركيب به‌عنوان سري آموزش و 51 تركيب به‌عنوان سري آزمون در نظر گرفته شد. بهترين توصيف‌كننده‌ها بر مبناي روش سهم گروه انتخاب شدند. مقدار ضريب تعيين (R2) براي سري آموزش و آزمون، نزديك عدد يك شد. مقادير مربع ميانگين ريشه خطا (RMSE) كمترين مقدار شد. پارامترهاي آماري ديگر نيز اعتبار بالاي مدل‌هاي جديد ارايه شده را تأييد مي‌كنند.

1404/02/26

Modeling of Metal-Organic Frameworks to Predict Electrical Conductivity of MOFs

2/17/2026 12:00:00 AM

Quantitative structure-activity or property relationships (QSAR/QSPR) is one of the promising techniques in the field of computational chemistry to predict some chemical or physical properties of compounds. In these methods, using descriptors derived from molecular structure, some patterns or keys are studied which may assist to predict the activity or property of new chemicals that have similar molecular structures. In this project, the QSPR method was used to predict the electrical conductivity of metal-organic frameworks (MOFs). In order to select the best descriptors, the multiple linear regression (MLR) method was used to build the linear QSPR model. The experimental data of the electrical conductivity of 253 metal-organic framework compounds extracted from the articles, then the studied MOFs were classified into two sets: training and testing set. Therefore 202 MOFs were considered as training sets and 51 MOFs as test sets. The best descriptors were selected based on the group contribution method. The coefficient of determination (R2) for the training and test series was close to one. The root mean square error (RMSE) values were the lowest. Other statistical parameters also confirm the high validity of the obtained model.

مدلسازي QSPR , چارچوب‌هاي فلز – آلي (MOF ها) , هدايت الكتريكي

QSPR modeling , metal-organic frameworks (MOFs) , electrical conductivity

Nafise Angouri

Dr. Faranak Manteghi