多伦多大学 麻省理工学院和卡内基梅隆大学的研究人员正在使用像这样的电解槽将废弃的二氧化碳转化为具有商业价值的化学物质
他们最新的催化剂，部分是通过人工智能设计的，是同类产品中效率最高的
学分:Daria Perevezentsev /多伦多工程大学 多伦多工程大学和卡内基梅隆大学的研究人员正在使用人工智能来加速将废弃碳转化为具有创纪录效率的商业价值产品的进程
他们利用人工智能加速寻找一种新催化剂的关键材料，这种催化剂将二氧化碳(CO2)转化为乙烯——从塑料到洗碗精等多种产品的化学前体
所得电催化剂是同类中最有效的
如果使用风力或太阳能运行，该系统还提供了一种有效的方式来储存来自这些可再生但间歇的来源的电力
泰德·萨金特教授是今天发表在《自然》杂志上的一篇新论文的资深作者之一，他说:“使用清洁电力将二氧化碳转化为乙烯，有着600亿美元的全球市场，可以提高碳捕获和清洁能源储存的经济效益。”
萨金特和他的团队已经开发了一些世界领先的催化剂，以降低将CO2转化为乙烯和其他碳基分子的反应的能源成本
但是更好的可能会出现，并且有数百万种潜在的材料组合可供选择，测试它们将是不可接受的耗时
该团队表明，机器学习可以加速搜索
利用计算机模型和理论数据，算法可以剔除最差的选项，为更有前途的候选人指明方向
在2017年由萨金特与加拿大高级研究所(CIFAR)合作举办的研讨会上，使用人工智能搜索清洁能源材料得到了推进
这一想法在当年晚些时候发表的《自然》杂志评论文章中得到进一步阐述
卡内基梅隆大学的扎卡里·乌利西教授是最初研讨会的受邀研究者之一
他的团队专门研究纳米材料的计算机建模
这种新型催化剂是一种铜铝合金，具有独特的纳米级多孔结构
学分:亚历山大·叶/多伦多工程大学 “在其他化学反应中，我们有大量已经建立的数据集，列出了潜在的催化剂材料及其特性，”尤利西说
“在二氧化碳转化为乙烯的过程中，我们没有这种能力，所以我们不能用暴力来模拟一切
我们小组花了很多时间思考寻找最有趣材料的创造性方法
" Ulissi和他的团队创建的算法使用机器学习模型和主动学习策略的组合来广泛预测给定催化剂可能生产什么类型的产品，即使没有材料本身的详细建模
他们将这些减少二氧化碳的算法应用到240多种不同材料的筛选中，发现了4种有希望的候选材料，它们被预测在非常广泛的成分和表面结构范围内具有理想的性能
在这篇新论文中，两位作者描述了他们性能最好的催化剂材料，一种铜铝合金
这两种金属在高温下结合后，一些铝被蚀刻掉，形成一种纳米多孔结构，萨金特称之为“蓬松的”
" 新的催化剂然后在一个名为电解器的装置中进行测试，在那里“法拉第效率”——用于制造所需产品的电流比例——被测量为80%，这是该反应的新记录
萨金特说，如果该系统要生产与化石燃料相比具有成本竞争力的乙烯，能源成本需要进一步降低
未来的研究将集中于降低反应所需的总电压，以及进一步降低分离成本高的副产物的比例
这种新催化剂是第一种部分通过人工智能设计的二氧化碳转化为乙烯的催化剂
这也是乌利西开发的主动学习方法的第一个实验演示
其强劲的表现证实了这一战略的有效性，并预示着这种性质的未来合作的良好前景
萨金特说:“铜和铝可以通过多种方式自行排列，但计算显示，几乎所有的方式都被预测为在某种程度上是有益的。”
“因此，我们没有在第一次实验失败时尝试不同的材料，而是坚持下来，因为我们知道有值得投资的东西
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
