Source code for "Unlocking structure-free multimodal prediction of metal–organic framework for carbon capture from diffraction and stoichiometry"

日本語

本リポジトリは、回折パターンと化学量論のみから構造情報を用いずに金属有機骨格（MOF）のCO2回収性能をマルチモーダル機械学習で予測する論文のソースコードである。モデルの学習・推論・評価用スクリプトを含み、査読後に公開予定。MOF探索の高速化を通じてCCUS材料開発の加速に寄与する。

English

This repository hosts the source code for a study that uses structure-free multimodal machine learning to predict metal–organic framework (MOF) performance for carbon capture from diffraction patterns and stoichiometry. It includes scripts for model training, inference, and evaluation, released for peer review and public availability upon publication. The work aims to accelerate computational screening of MOF materials for CCUS.

日本のGX文脈において

CCUSは日本のGX実現に向けた重要技術であり、MOFなどの固体吸着材の高速スクリーニングは将来のCO2回収コスト低減に資する。ただし本件はコード公開が中心で、日本の開示制度や政策との直接的な接続は薄い。

In the global GX context

Materials discovery for carbon capture underpins the credibility of CCUS pathways in global net-zero scenarios and transition planning. AI-driven screening of MOFs adds to the growing body of ML-for-decarbonization research, though it sits upstream of disclosure frameworks like TCFD/ISSB.