CO2吸着を最適化するためのAIMLのよりスマートな使用

Machine Learning
科学者は人工知能を使用して、バイオマス廃棄物に由来する二酸化炭素回収のための新しい材料の設計を指導します

バイオマス廃棄物は、大きな点源から排出されるCO2ガスを隔離できる多孔質炭素を生成するために使用できます。しかし、そのような高品質の多孔質炭素を合成する方法やその最適な操作条件に関する一般的なガイドラインはありません。最近の研究では、科学者は機械学習ベースの方法を使用して、バイオマス廃棄物に由来する多孔質炭素で優先すべきコアファクターを決定し、最高の二酸化炭素吸着性能を達成し、サーキュラーエコノミーへの道を開きました。

推奨される人工知能のニュース: BitMartはトークン保有者のための新しい利息計算サービスを獲得します

気候変動を緩和するためには、産業用二酸化炭素(CO2)排出量を削減するための費用効果が高く持続可能な方法を見つける必要があります。残念ながら、ほとんどの成熟した産業化後の燃焼源の炭素回収貯留(CCS)法には、高コスト、環境毒性、耐久性の問題などの大きな欠点があります。これに関連して、多くの研究者は、次世代CCSシステムの最良の選択であるCO2を吸着するための固体多孔質炭素材料の使用に注意を向けてきました。

インフォグラム多孔質炭素を使用してCO2を貯蔵することの悪名高い利点は、農業廃棄物、食品廃棄物、動物廃棄物、森林の残骸などのバイオマス廃棄物から生成できることです。これにより、バイオマス廃棄物由来の多孔質炭素(BWDPC)は、低コストであるだけでなく、バ​​イオマス廃棄物を十分に活用するための代替方法を提供するため、魅力的です。 BWDPCは確かにサーキュラーエコノミーに近づくことができますが、この研究分野は比較的若く、BWDPCの合成方法や、どのような材料特性と組成を目指すべきかについて、科学者の間で明確なガイドラインやコンセンサスがありません。

人工知能(AI)は、この問題の解決に役立ちますか? 「EnvironmentalScienceand Technology」に掲載された最近の研究では、高麗大学校とシンガポール国立大学の共同研究チームが、将来の多孔質炭素合成戦略の開発を導くことができる機械学習ベースのアプローチを採用しました。科学者たちは、BWDPCにおけるCO2の吸着特性に影響を与える3つの主要な要因は、多孔質固体の元素組成、そのテクスチャ特性、および温度や圧力などの操作中の吸着パラメータであると指摘しました。ただし、これまで、BWDPCを開発する際にこれらのコアファクターをどのように優先すべきかはまだ不明です。

推奨される人工知能のニュース: ZibDigitalはSEOパフォーマンスの重要性を説明しています

この問題を解決するために、チームは最初に文献レビューを実施し、さまざまなBWDPCの合成とパフォーマンスを説明する76の出版物を選択しました。ソート後、これらのペーパーは、3つのツリーベースのモデルをトレーニングおよびテストするための500を超えるデータポイントを提供します。研究を主導した高麗大学校のヨン・シク・オク教授は、「私たちの仕事の主な目的は、予測分析に機械学習ツールを使用する方法を明確にし、BWDPCを使用してCO2吸着プロセスに貴重な洞察を提供することです」と説明しました。

モデルの入力機能は3つのコア要素であり、出力機能はCO2吸着レベルです。モデル自体は、トレーニングプロセス後に本質的に「ブラックボックス」になりますが、考慮されるコア要因のみに基づいてBWDPCのパフォーマンスを正確に予測するために使用できます。最も重要なことは、特徴分析を通じて、研究チームは正確な予測を行うための各入力特徴の相対的な重要性を判断したことです。言い換えれば、彼らは、どのコアファクターが高いCO2吸着を達成するために最も重要であるかを決定しました。結果は、吸着パラメーターが他の2つのコア要因よりもモデルの正しい予測に寄与することを示しており、最初に操作条件を最適化することの重要性を強調しています。 細孔径や表面積などのBWDPCの構造特性は2番目にランク付けされ、元素組成は最後にランク付けされます。

モデル予測と特徴重要性分析の結果は、既存の文献とCO2回収プロセスの背後にあるメカニズムに関する現在の理解によって裏付けられていることは注目に値します。 Ok教授が説明したように、これにより、BWDPCだけでなく、他のタイプの材料に対するこのデータ駆動型戦略の実用性が強化されます。「当社のモデリング手法は相互展開可能であり、他のタイプの研究に使用できます。多孔質炭素バイオマス廃棄物からのものだけでなく、ゼオライトや有機金属フレームワークなどのCO2吸着に使用されます。」

チームは現在、2つの最も重要なコア要素の最適化に焦点を当てることにより、BWDPC合成戦略を設計することを計画しています。さらに、彼らはこの研究で使用されるデータベースに実験データポイントを追加し続け、研究コミュニティもそれから利益を得ることができるようにそれをオープンソースにします。

これらすべての努力が、気候変動を食い止め、目標13:気候行動などの国連の持続可能な開発目標を達成できる真に持続可能な社会につながることを願っています。

推奨される人工知能のニュース: Hornetsecurityの新しい365Threat Monitorモバイルアプリは、Microsoft365に違反する脅威を検出します

Leave a Reply

Your email address will not be published. Required fields are marked *