Finding low-energy experimental metal-organic frameworks for carbon capture via Bayesian optimization in the manifold subspace of geometric descriptors

日本語

本論文では、ベイズ最適化を用いて低エネルギー金属有機構造体（MOF）を探索し、二酸化炭素回収に有望な材料を特定する手法を提案している。幾何学的記述子の部分空間を利用することで、効率的な探索を実現する。

English

This paper proposes using Bayesian optimization to search for low-energy metal-organic frameworks (MOFs) for carbon capture, leveraging a manifold subspace of geometric descriptors for efficient exploration.

日本のGX文脈において

日本ではCCUSがGX戦略の柱の一つであり、MOFは効率的なCO2回収材料として注目されている。本手法は材料探索を加速し、日本の産業への応用が期待される。

In the global GX context

Globally, carbon capture is critical for net-zero targets. This computational approach reduces experimental costs and accelerates discovery of efficient MOFs, relevant to global CCUS research.