COF(Covalent Organic Frameworks)의 가스 흡착 및 분리 예측을 위한 효율적인 프레임워크인 COFAP를 제안. 딥러닝을 통해 다중 모드 구조 및 화학적 특징을 추출하고, 교차 모드 주의 메커니즘을 통해 융합한다. Henry 계수나 흡착열 없이, 기존 접근 방식을 능가하는 성능을 보임. COFAP를 기반으로, 분리 성능이 우수한 COF는 좁은 범위의 기공 크기와 표면적에 집중되어 있음을 발견. 연구자를 위해 응용 분야별 맞춤형 랭킹을 가능하게 하는 가중치 조절 가능한 우선순위 부여 방식을 개발.
시사점, 한계점
•
시사점:
◦
특정 가스 관련 특징 없이도 우수한 성능을 보이는 범용 COF 흡착 예측 프레임워크 제시.
