最新消息

NEWS & ARTICLE

研究人員利用AI加速廢碳轉化成乙烯的速度,創造高商業價值與經濟效益

新聞媒體 2020-05-27


多倫多大學工程學院(University of Toronto Engineering)和卡內基美隆大學(Carnegie Mellon University )研究人員正使用 AI 人工智慧加速將廢碳轉化為具商業價值的產物,並取得破紀錄的效率。 

他們利用 AI 加快尋找新型催化劑關鍵材料的速度,這種新型催化劑能將二氧化碳(CO2)轉化成乙烯(Ethylene),乙烯是從塑膠到洗碗精等各種產品都會用到的化學前體(Chemical Precursor)。由此產生的電催化劑(Electrocatalyst)是同類產品效率最高的,如果使用風力或太陽能發電,還提供有效的方式封存來自這些間歇性可再生能源的電力。

「利用潔淨電力將二氧化碳轉化成全球市場規模達 600 億美元的乙烯,可提升碳捕捉和潔淨能源封存的經濟效益。」Ted Sargent 教授在 2020 年 5 月 13 日刊登於《自然》(Nature)期刊的新論文指出。他是論文資深作者(Senior Author)之一。

Sargent 和團隊已開發一些世界領先的催化劑,以便降低將二氧化碳轉化為乙烯和其他碳基分子等化學反應的能源成本。但即使已有更好的催化劑,且有數百萬種潛在的材料組合可供選擇,但一一測試非常耗時。

團隊表明,機器學習(ML)可加快搜尋的速度。使用電腦模型和理論數據,演算法可剔除最糟糕的選擇,並找出最佳的材料組合選擇。Sargent 與加拿大先進研究所(Canadian Institute for Advanced Research,CIFAR)合作舉辦的 2017 年研討會,採用 AI 搜尋潔淨能源材料的技術已取得進展。當年稍晚,於《自然》期刊發表的評論文進一步闡述了這個想法。

卡內基美隆大學 Zachary Ulissi 教授是最初研討會的受邀研究人員之一,他的團隊專門研究奈米材料的電腦建模。「透過其他各種化學反應,我們建立了龐大且完善的資料庫,列出潛在的催化劑材料及特性。」Ulissi 指出:「至於將二氧化碳轉化為乙烯的化學反應,我們沒有相關資料,因此我們無法透過窮舉法為所有東西建模。團隊花了很多時間思考尋找最有趣材料的創意方法。」

Ulissi 和團隊創建的演算法,結合機器學習模型和主動學習策略,廣泛預測特定催化劑可能產生的產物類型,甚至不需詳細建模材料本身。他們應用這些二氧化碳排放演算法篩選出超過 240 種不同材料,發現 4 種有商業化前途的候選材料,這些材料預計在非常廣泛的成分和表面結構都有理想特性。

新催化劑反應取得破紀錄 80% 法拉第效率,AI 勾勒廢碳回收再利用的美好未來

這篇新論文,兩位共同作者描述了最佳催化劑材料,為銅和鋁的合金。兩種金屬在高溫下結合後,一些鋁腐蝕掉,形成奈米級多孔結構,Sargent 形容此結構很「鬆軟」。他們然後在一個稱為電解器的裝置測試新催化劑,測得的「法拉第效率」(Faradaic efficiency,ηF)為 80%(製造所需產物的電流比例),這是該反應的新紀錄。

Sargent 指出,如果系統想生產遠比化石燃料提煉更具成本競爭力的乙烯,那麼就需進一步降低能源成本。未來的研究將集中在降低化學反應所需的總電壓,以及進一步降低副產物的比例,因為分離副產物的成本很高。

這種新型催化劑是第一個運用 AI 設計的二氧化碳轉化乙烯催化劑。這也是 Ulissi 開發主動學習方法的第一次實驗展示,強大效能驗證此策略的有效性,並預示這種性質的協同合作會有美好的未來。

「銅和鋁的排列方式有很多種,但計算結果顯示,幾乎所有銅和鋁的排列方式都認為有幫助」,Sargent 表示:「所以當我們第一次實驗失敗時,並沒有立即改試不同的材料而決定堅持下去,因為我們知道有值得投資的地方。」

(圖片來源:多倫多大學


出處:https://technews.tw/2020/05/26/artificial-intelligence-helps-researchers-up-cycle-waste-carbon-with-record-efficiency/

關注我們

NOTICE US