🔬 材料科学

Capturing Coordination Core Topology in Metal--Organic Frameworks Using Persistent Mayer Homology

本文引入了持久迈尔同调（persistent Mayer homology, PMH）作为一种新型拓扑描述符，用于捕捉金属有机框架和聚金属氧酸盐局部配位核心中的几何变异性，并证明了将 PMH 与元素解析的持久同调相结合，相比于仅使用传统方法，能显著提高对吸附和自扩散性质的预测能力。

原作者： Caleb Simiyu Khaemba, Chun-Long Chen, Guo-Wei Wei

发布于 2026-10-14

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Caleb Simiyu Khaemba, Chun-Long Chen, Guo-Wei Wei

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

材料科学往往感觉就像是通过观察一块砖头来试图理解一座城市。要真正理解一座建筑是如何运作的，必须观察砖块是如何排列的，街道是如何将它们连接起来的，以及整个结构是如何呼吸的。这正是研究金属有机框架（MOFs）时面临的核心挑战，这类材料是一种类似于分子海绵的晶体材料。这些材料由金属离子或金属簇通过有机分子连接而成，形成充满微小孔隙的巨大重复网络。由于科学家可以通过混合搭配不同的金属和连接体，他们可以设计出这些框架来捕捉特定气体、分离分子或催化化学反应。然而，由于可能的组合数量极其庞大，在实验室中测试每一种组合是不可能的。研究人员必须依赖计算机模型来预测哪些结构效果最好，但当材料的内部几何结构过于复杂，无法用简单的测量方法来描述时，这些模型就会遇到困难。

难点在于如何捕捉原子围绕金属中心排列的细微细节。虽然科学家长期以来一直使用数学工具来绘制孔隙的整体形状，但这些工具往往会忽略决定气体分子如何与材料相互作用的那些复杂的局部原子排列。标准的地图可能会显示一个房间是空的，但它无法告诉你里面的家具是否以一种阻挡门口的方式进行布置。在金属有机框架的世界里，这种局部排列至关重要。它决定了像氮气或氧气这样的气体进入孔隙的难易程度、它们附着在表面的强度以及它们在结构中移动的速度。如果没有一种方法来量化这些隐藏的局部模式，计算机对材料性能的预测就会保持不精确，从而在理论设计与实际应用之间留下鸿沟。

在最近的一项研究中，研究人员引入了一种新的数学方法来解决这个问题，专门针对这些材料的“配位核心”进行研究。这些核心是围绕金属中心的原子直接邻域，充当着任何试图通过的分子所面临的主要守门人。该团队开发了一种名为“持久性马耶尔同调”（persistent Mayer homology）的方法，这是一种分析原子邻域形状的高级方式。与仅关注原子如何连接以形成环路或空隙的传统方法不同，这种新技术检查了原子组之间的更高阶关系。它不仅询问哪些原子是邻居，还询问三个、四个或更多原子在空间中是如何组织的。通过将这种方法应用于框架内的金属中心，研究人员能够检测到以往标准分析无法察觉的几何变化。

为了测试他们的想法，科学家们将这一新工具应用于大量已知的金属有机框架结构。他们将这种新的局部分析与现有的、用于绘制整个晶体整体化学组织的方法相结合。目标是观察加入这种对金属中心的详细观察是否能提高预测材料行为的能力。他们重点研究了与氮气和氧气相互作用相关的八种特定属性，包括材料能容纳多少气体以及气体分子扩散的速度。结果非常明确：包含这种新局部分析的模型，其表现始终优于仅依赖整体结构的模型。该新方法中最成功的一个版本——即观察三个原子之间的关系——为所有八种属性提供了最准确的预测。

研究表明，金属中心周围原子的内部排列包含了全局测量无法捕捉到的关键信息。即使两种材料具有相同的整体孔径和化学组成，原子在金属核心周围堆叠方式的不同也会导致性能的显著差异。这种新方法成功识别了这些细微差别，使得计算机模型能够区分那些在其他情况下看起来完全相同的结构。这一发现对于一类包含多金属氧酸盐（一种复杂的金属与氧原子簇）的材料尤为重要。在这种情况下，簇内部的组织与周围框架一样至关重要，而该新工具特别适合描述这种复杂性。

通过将这些不可见的几何模式转化为计算机可以理解的数字，研究人员为筛选和设计新材料提供了一种更强大的方式。这种方法不需要昂贵的实验或巨大的计算能力来模拟每一种可能的情况；相反，它直接从原子坐标中提取最相关的结构信息。研究表明，设计更好的气体储存或分离材料的未来在于更加关注这些局部邻域。虽然目前的工作侧重于氮气和氧气，但该方法具有足够的通用性，可以应用于其他气体和材料。研究人员指出，未来仍需进一步完善该工具，以应对更加复杂的化学环境，但目前的结果已经证明，深入观察局部结构可以更清晰地呈现这些分子海绵的真实运作方式。

技术摘要：利用持久性迈耶同调捕获金属有机框架中的配位核心拓扑结构

问题陈述
金属有机框架（MOFs）和聚金属氧酸盐（POM）基 MOF 为气体存储、分离和催化提供了可编程的平台。然而，由于通过合成和测量来系统探索如此庞大的化学与结构空间并不现实，因此必须进行高通量计算筛选。数据驱动发现的一个主要瓶颈在于结构的表示方式。虽然吸附和扩散性质取决于全局孔隙组织和局部配位环境，但现有的拓扑描述符往往无法捕捉局部配位核心的几何变异性。具体而言，受边界关系 $d^2=0$ 支配的经典持久同调（PH）总结了连通性（连通分量、环、空腔），但并未显式地检查金属配位核心内更高阶单纯形组织中可用的额外边界关系。因此，具有相同普通拓扑总结的不同内部原子排列可能无法被区分，从而限制了机器学习模型对受这些局部配置控制的性质的预测准确性。

方法论
作者提出了一个结合了元素解析持久同调（ERPH）与持久性迈耶同调（PMH）的双重表示框架，用以捕捉扩展框架与内部配位核心。

元素解析持久同调 (ERPH)：
- 将 MOF 结构沿晶格方向周期性扩展至约 64 Å，以确保在不进行缩放的情况下实现可比的空间覆盖。
- 将原子划分为化学定义的组别（例如：主族金属、过渡金属、碳、供体等）。
- 为每个元素组构建 $\alpha$ -复形过滤，并计算经典持久同调维度 $H_0, H_1, H_2$ 。
- 这产生了 6,750 个特征，用于表征跨越扩展框架的化学定义元素组的多尺度组织。
配位核心的持久性迈耶同调 (PMH)：
- PMH 通过允许更高阶的微分 $d^N=0$ （其中 $N \ge 2$ ）来推广经典 PH。这引入了新的边界关系，能够检测到普通 PH 无法察觉的几何变化。
- 该方法识别“金属锚点”（金属组中的原子），并将配位核心定义为位于这些锚点 10 Å 以内的周期性点云。
- 针对每个锚点分析三个不同的通道：
  - 全重原子（All-heavy-atom）： 所有非氢原子。
  - 碳（Carbon）： 仅限碳原子。
  - 潜在供体（Potential-donor）： 具有配位能力的原子（N, O, S, Se, P, 卤素）。
- 在 $N=3$ 和 $N=5$ 的阶数下计算 PMH。生成的迈耶贝蒂曲线（对于 $q=1, \dots, N-1$ ，为 $H_{k,q}$ ）通过不同配位核心类的逐点最大值和算术平均值进行汇总。
- 这分别生成了 $N=3$ 时 960 个特征和 $N=5$ 时 1,920 个特征。
预测建模：
- 将 ERPH 特征分别与 PMH 特征（ $N=3$ 和 $N=5$ ）结合，形成主要模型。
- 使用梯度提升决策树（GBDT）预测八种性质：氮气（ $N_2$ ）和氧气（ $O_2$ ）在 1 bar 及无限稀释条件下的亨利常数、吸附量和自扩散系数。
- 通过与仅含 ERPH、特征拼接以及预测共识的模型进行对比，并与外部基准（描述符模型、MOFTransformer、PMTransformer）进行性能评估。

核心贡献

将 PMH 引入 MOF 表征： 本文引入了持久性迈耶同调作为一种工具，用于捕捉金属配位核心的内部单纯形配置，提供了经典 PH 无法检测到的拓扑不变性。
双尺度表示： 该框架成功整合了孔隙框架的全局描述（ERPH）与金属配位环境的局部描述（PMH），解决了仅关注单一尺度的表示局限性。
展示高阶敏感性： 通过使用六点 Vietoris–Rips 过滤的理论示例，作者证明了 PMH 可以区分那些具有相同普通贝蒂数（ $\beta_0, \beta_1$ ）但不同于其更高阶包含关系的单纯形排列。

结果
组合表示在源自 CoRE MOF 2019 数据库的 4,744 至 5,241 个 MOF 数据集上进行了评估。

预测性能： 结合 ERPH 与 $N=3$ $N = 3$ 阶 PMH 的组合表示（ERPH+PMH $_{N=3}$ $_{N = 3}$ ）一致优于仅含 ERPH 的模型以及所有其他配置（包括 $N=5$ $N = 5$ 、特征拼接和预测共识）。
- 对于吸附性质，ERPH+PMH $_{N=3}$ 实现的平均 $R^2$ 值分别为： $N_2$ 亨利常数 0.84， $O_2$ 亨利常数 0.88， $N_2$ 吸附量 0.83， $O_2$ 吸附量 0.90。
- 对于自扩散，平均 $R^2$ 值在 0.81 至 0.82 之间。
- 这些结果超过了基于描述符的基准，并且在可以直接比较的情况下，与基于 Transformer 的基准（MOFTransformer, PMTransformer）相比具有竞争优势或优于后者。
统计显著性： 配对分析证实，在所有十个数据拆分中，针对每种性质，ERPH+PMH $_{N=3}$ 相对于仅含 ERPH 的改进在统计学上都是显著的（ $p \le 0.00983$ ）。
通道分析： “全重原子”通道被确定为 PMH 表示中最强的单个贡献者，这表明围绕金属中心的更广泛非氢几何结构包含了关键的预测信息。

意义与主张
本文声称，通过 PMH 捕捉的内部配位配置包含了传统元素解析拓扑描述符无法充分表达的重要结构信息。通过利用更高阶边界算子解析内部单纯形关系，PMH 为理解局部配位环境提供了一个定量且可解释的拓扑框架。

作者强调，这种方法对于 POM 基 MOF 特别适用，因为这类材料在扩展的多孔结构中嵌入了复杂的多种金属氧化物核心。该方法允许在保留周围孔隙结构组织（通过 ERPH）的同时，描述内部金属-氧排列（通过 PMH）。作者也谦虚地指出，目前的基准尚未编码氧化态、电荷或特定的氧环境（端基 vs 桥联），未来需要使用经过精选的 POM 特定数据集来充分确立这些发现更广泛的适用性。

类似论文