Исследователи из Колумбийского машиностроения и Университета Южной Каролины разработали метод, который сочетает в себе большие данные и машинное обучение, чтобы выборочно конструкция газ-фильтрация мембраны полимера, чтобы уменьшить выбросы парниковых газов.
Их исследование, опубликованное сегодня в науке достижений, является первым, чтобы применить экспериментально обоснован метод машинного обучения для быстрого проектирования и разработки современных мембраны для сепарации газа.
«Наша работа указывает на новый способ конструирования материалов, и мы ожидаем, что он революцию в области», — говорится в исследовании ПИ Санат Кумара, Быховский, профессор химической инженерии и пионером в разработке полимерных нанокомпозитов с улучшенными свойствами.
Пластиковых пленок или мембран часто используются для разделения смесей простых газов, таких как двуокись углерода (СО2), водорода (Н2) и метан (CH4). Ученые предложили использовать мембранную технологию для отделения CO2 от других газов для естественной очистки газов и улавливания углерода, но есть потенциально сотни тысяч пластмасс, которые можно произвести с нашей нынешней синтетических элементов, которые различны по своей химической структуре. Производство и тестирование всех этих материалов является дорогостоящим и трудоемким процессом, и на сегодняшний день, только около 1000 были оценены как мембраны для сепарации газа.
Кумар и его коллеги в Колумбийском университете, Университет Южной Каролины, и общества имени Макса Планка в Майнце (Германия) создали алгоритм машинного обучения, которая сопоставляет химическому строению из 1000 проверенных полимеров с их газотранспортными свойствами, чтобы выяснить, что структура делает лучшие мембраны. Затем они применили алгоритм для более чем 10 000 известных полимеров предсказать, какие произвело бы лучший материал в данном контексте.
Эта процедура выявила около 100 полимеры, которые никогда не были протестированы на транспортировку газа, но, согласно прогнозам, превысят текущие пределы мембраны производительность по СО2/СН4 цветоделения.
«А не экспериментально проверить все материалы, которые существуют для конкретного приложения, а не вы испытываете меньший набор материалов, которые наиболее перспективны. Вы тут найдете материалы, которые сочетают в себе самые лучшие ингредиенты, и это дает тебе шанс на создание лучшего материала, просто как Netflix найти следующий фильм, чтобы смотреть,» сказал исследования соавтор Коннор Bilchak, бывший аспирант Кумара и в настоящее время в пост-докторантуре в Университете Пенсильвании.
Для проверки алгоритма по точности, группа во главе с Брайаном Benicewicz, SmartState профессор химии и биохимии в Университете Южной Каролины, синтезированных двумя из самых перспективных полимерных мембран предсказывали этот подход и нашли, что мембраны превышен верхний предел для СО2/СН4 производительность разделения.
«Их выступление было очень хорошо-гораздо лучше, чем то, что было ранее сделано», — говорит соавтор исследования Лора Мердок, аспирант Benicewicz по. «И это было довольно легко. Эта методология обладает значительным потенциалом для коммерческого использования».
Benicewicz добавил, что «если взглянуть на проблему шире одном контексте, этот метод легко распространена и на другие мембранные материалы, которые могли бы глубоко повлиять на развитие следующего поколения аккумуляторов и технологий для очистки воды».
сделать разницу: спонсорские возможности
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!