Un equipo liderado por Jihan Kim de KAIST desarrolló un marco computacional que combina aprendizaje automático y métodos de diseño inverso. Este marco permite que las moléculas de gas se organicen en una estructura similar a un cristal dentro de materiales porosos. El material basado en cobalto Co-CAU-36 permite que el gas xenón se organice en una estructura cúbica centrada en el cuerpo (BCC).
También se obtuvieron resultados exitosos en la separación de gases xenón y criptón. El xenón se ubica en una región de cascarón regular, empujando al criptón hacia el núcleo poroso. Este comportamiento de separación no había sido reportado previamente. La combinación de aprendizaje automático y algoritmos genéticos permitió el diseño inverso para alcanzar estructuras similares a BCC y FCC.
Estos hallazgos pueden aplicarse en tecnologías como la captura de carbono, reacciones catalíticas selectivas y almacenamiento de gas. Kim destacó que este trabajo introduce un enfoque de diseño que no solo se enfoca en la capacidad de adsorción de las moléculas de gas, sino también en su organización.