清华大学化工系卢滇楠教授团队联合美国加州大学河滨分校吴建中教授和北京科学智能研究院高志锋研究员研发出三维MOF材料吸附行为的机器学习模型Uni-MOF，用于预测各类工况下纳米多孔材料对各类气体的吸附性能。在模型的预训练阶段，研究者实施了两类任务以提升模型性能。第一类任务为预测被遮蔽原子的类型，即识别并预测在分子结构中被掩盖部分的原子种类。第二类任务为执行噪声下的三维坐标恢复任务，具体操作为在15%的原子坐标上引入范围在[-1Å,+1Å]之间的均匀噪声，进而基于这些受损坐标来计算空间位置编码。这两类任务旨在增进模型对数据的抗干扰能力，从而在面对后续的预测任务时，提供更加精准的性能。研究人员采用三个实验数据库对Uni-MOF的预测精度进行了校验，在具备充足数据的hMOF_MOFX数据库中，Uni-MOF的预测精度高达0.98。在数据集CoRE_MAP上，Uni-MOF的预测精度达到0.83，并可以通过低压吸附数据学习，辨识出在高压条件下具备优异吸附性能的材料，预测结果与实验数据具有高度一致性。