學無止境，人工智能助力多孔碳的CO2捕集
隨著全球現(xiàn)代化進程的加快，CO2的排放量顯著增長，溫室效應加劇，導致全球性氣候變暖、海平面上升，嚴重地影響了人類的生存環(huán)境和生態(tài)平衡。研發(fā)經(jīng)濟高效的CO2分離、捕集、封存和利用技術，已成為全球學者關注的焦點。多孔碳材料因其結構優(yōu)勢在CO2捕集方面具有很大的應用潛力。然而，目前影響多孔碳CO2捕集的因素并不明晰，以建立吸附模型為基礎的傳統(tǒng)研究方法只能將單一的多孔碳的結構參數(shù)與CO2吸附容量進行線性關聯(lián)，而且因計算能力問題，關聯(lián)的數(shù)據(jù)樣本很少（一般不超過20組數(shù)據(jù)），導致模型精度不高，難以推廣。
針對這一問題，浙江大學化學工程與生物工程學院傅杰副教授課題組構建了一個基于深度學習的人工智能系統(tǒng)（AI System），相比傳統(tǒng)的吸附模型研究手段，人工智能系統(tǒng)更像一個孜孜不倦的學生，同時非線性的學習超過1000組多孔碳的孔道結構參數(shù)（比表面積、微孔孔容、介孔孔容），并通過淺層學習和深層學習，不斷學習和校正多孔碳的孔道結構與其CO2吸附量之間的關系，最終在深度學習大量的構效關系后，準確預測了隨機選取的20種多孔碳的CO2吸附性能，預測精度和廣度是傳統(tǒng)計算模型無法比擬的。
該研究構建的人工智能系統(tǒng)，將多孔碳的孔道結構參數(shù)和對應的CO2吸附量進行了關聯(lián)，并且可以根據(jù)構建的人工智能系統(tǒng)精準的預測未知的多孔碳材料的CO2吸附量。該方法不僅為多孔碳CO2吸附量的預測提供了一種全新的手段，同時有助于設計具有高CO2捕集量的下一代多孔碳材料。相關研究結果以“Prediction of Carbon Dioxide Adsorption via Deep Learning”為題發(fā)表于《Angewandte Chemie International Edition》。浙江大學博士生張子豪為論文第一作者，浙江大學傅杰副教授和美國橡樹嶺國家實驗室戴勝教授為共同通訊作者。本研究得到了國家自然科學基金、浙江省自然科學杰出青年基金等項目的資助。
版權與免責聲明：本網(wǎng)頁的內容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構成其他建議。僅提供交流平臺，不為其版權負責。如涉及侵權，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com