學(xué)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(jìn)程的加快，CO2的排放量顯著增長，溫室效應(yīng)加劇，導(dǎo)致全球性氣候變暖、海平面上升，嚴(yán)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(jì)高效的CO2分離、捕集、封存和利用技術(shù)，已成為全球?qū)W者關(guān)注的焦點。多孔碳材料因其結(jié)構(gòu)優(yōu)勢在CO2捕集方面具有很大的應(yīng)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(chǔ)的傳統(tǒng)研究方法只能將單一的多孔碳的結(jié)構(gòu)參數(shù)與CO2吸附容量進(jìn)行線性關(guān)聯(lián)，而且因計算能力問題，關(guān)聯(lián)的數(shù)據(jù)樣本很少（一般不超過20組數(shù)據(jù)），導(dǎo)致模型精度不高，難以推廣。
針對這一問題，浙江大學(xué)化學(xué)工程與生物工程學(xué)院傅杰副教授課題組構(gòu)建了一個基于深度學(xué)習(xí)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(xué)生，同時非線性的學(xué)習(xí)超過1000組多孔碳的孔道結(jié)構(gòu)參數(shù)（比表面積、微孔孔容、介孔孔容），并通過淺層學(xué)習(xí)和深層學(xué)習(xí)，不斷學(xué)習(xí)和校正多孔碳的孔道結(jié)構(gòu)與其CO2吸附量之間的關(guān)系，最終在深度學(xué)習(xí)大量的構(gòu)效關(guān)系后，準(zhǔn)確預(yù)測了隨機(jī)選取的20種多孔碳的CO2吸附性能，預(yù)測精度和廣度是傳統(tǒng)計算模型無法比擬的。
該研究構(gòu)建的人工智能系統(tǒng)，將多孔碳的孔道結(jié)構(gòu)參數(shù)和對應(yīng)的CO2吸附量進(jìn)行了關(guān)聯(lián)，并且可以根據(jù)構(gòu)建的人工智能系統(tǒng)精準(zhǔn)的預(yù)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(yù)測提供了一種全新的手段，同時有助于設(shè)計具有高CO2捕集量的下一代多孔碳材料。相關(guān)研究結(jié)果以“Prediction of Carbon Dioxide Adsorption via Deep Learning”為題發(fā)表于《Angewandte Chemie International Edition》。浙江大學(xué)博士生張子豪為論文第一作者，浙江大學(xué)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(xué)基金、浙江省自然科學(xué)杰出青年基金等項目的資助。
版權(quán)與免責(zé)聲明：本網(wǎng)頁的內(nèi)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(gòu)成其他建議。僅提供交流平臺，不為其版權(quán)負(fù)責(zé)。如涉及侵權(quán)，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com