研究人员利用人工智能开发新型催化剂,加速废碳循环利用率

多伦多大学工程系和卡内基梅隆大学的研究人员正在利用人工智能(AI)加速将废碳转化为有商业价值的产品进程,废碳利用效率创下了历史新高。目前研究人员利用人工智能加速寻找一种新催化剂的关键材料,该催化剂可将二氧化碳(CO2)转化为乙烯—一种化学前体,可用于从塑料到洗涤剂等多种产品。

由此产生的电催化剂是同类产品中效率最高的。如果使用风能或太阳能发电,该系统还可以提供一种有效的方式来储存清洁能源。利用清洁电力将二氧化碳转化为乙烯,这一全球市场价值600亿美元,可以提高碳捕获和清洁能源储存的经济性。

该研究团队已经开发出了许多世界领先的催化剂,可以降低二氧化碳转化为乙烯和其他碳基分子反应的能源成本。但更好的材料可能会出现,而且有数百万种潜在的材料组合可供选择,如果要对它们进行测试,将耗费大量的时间,这是令人无法接受的。利用人工智能探索清洁能源材料或许是一条可行的路径。

该团队表明,机器学习可以加快搜索速度。利用计算机模型和理论数据,算法可以剔除最差的选择,并为更有前景的候选材料指明方向。

研究团队创建的算法利用机器学习模型和主动学习策略结合,即使没有对材料本身进行详细的建模,也能大致预测出给定的催化剂可能会产生什么样的产品。

他们应用这些用于二氧化碳还原算法对240多种不同的材料进行了筛选,发现了4种有前景的候选材料,这些材料在广泛成分和表面结构范围内被预测具有理想性能。

该研究中描述了最佳性能催化剂材料–铜和铝合金。这两种金属在高温下键合后,部分铝被蚀刻掉,形成了一种纳米级的多孔结构。

新的催化剂随后在一个叫做电解器装置中进行测试,其中“法拉第效率”的测量值为80%,这是该反应的新记录。如果该系统要生产出与化石燃料生产的乙烯具有成本竞争力的乙烯,能源成本还需要进一步降低。未来的研究将集中在降低反应所需的总电压,以及进一步降低副产品的比例,因为副产品分离成本高昂。

研究人员利用人工智能开发新型催化剂,加速废碳循环利用率
研究人员正在使用像这样的电解器将废CO2转化为具有商业价值的化学物质。
他们研究的最新催化剂部分是通过使用AI设计的,是同类产品中效率最高的。

这种新型催化剂是第一种部分利用人工智能设计的二氧化碳转化为乙烯的催化剂。这也是研究团队一直在开发的主动学习方法的首次实验性演示。其强大的性能验证了这一策略的有效性。

上一篇:

下一篇:


标签