Борьба с климатическим кризисом
Для предотвращения климатического кризиса важно активно сокращать уже выброшенный в атмосферу CO₂. В связи с этим технология прямого улавливания воздуха (DAC) — метод, который напрямую извлекает CO₂ из воздуха, — привлекает всё больше внимания. Однако эффективно улавливать чистый CO₂ непросто из-за водяного пара (H₂O), присутствующего в воздухе.
Успех исследователей KAIST
Исследователи из KAIST успешно использовали методы машинного обучения на основе искусственного интеллекта, чтобы определить наиболее перспективные материалы для улавливания CO₂ среди металлоорганических каркасов (MOF) — ключевого класса материалов, изучаемых для этой технологии.
Группа исследователей, возглавляемая профессором Джихан Ким из Департамента химической и биомолекулярной инженерии, в сотрудничестве с командой из Имперского колледжа Лондона, опубликовала своё исследование в журнале Matter.
Преодоление трудностей
Сложность в обнаружении высокоэффективных материалов обусловлена сложностью структур и ограничениями в прогнозировании межмолекулярных взаимодействий. Чтобы преодолеть эти трудности, исследовательская группа разработала силовое поле машинного обучения (MLFF), способное точно предсказывать взаимодействия между CO₂, водой (H₂O) и MOF. Этот новый метод позволяет проводить расчёты свойств адсорбции MOF с точностью, соответствующей уровню квантовой механики, но на значительно более высоких скоростях.
Используя эту систему, команда проверила более 8 000 экспериментально синтезированных структур MOF, идентифицировав более 100 перспективных кандидатов для улавливания CO₂. Примечательно, что среди них были новые кандидаты, которые не были обнаружены при помощи традиционного моделирования на основе силовых полей.
Команда также проанализировала взаимосвязь между химической структурой MOF и эффективностью адсорбции, предложив семь ключевых химических характеристик, которые помогут в разработке новых материалов для DAC.
Это исследование признано значительным достижением в области DAC, значительно улучшая проектирование материалов и моделирование за счёт точного прогнозирования взаимодействий MOF-CO₂ и MOF-H₂O.
Предоставлено
Корейским передовым институтом науки и технологий (KAIST)