2024.03.04 碳捕捉
生成人工智慧技術、機器學習和模擬為研究人員提供識別環保金屬有機框架材料(Metal-organic framework，以下簡稱MOF)的新機會。碳捕捉是減少發電廠和其他工業設施溫室氣體排放的關鍵技術，但尚未找到適合以低成本有效碳捕捉的材料，其中有一種候選材料是MOF，這種多孔材料可以吸附二氧化碳。MOF的分子有三種結構：無機節點(Inorganic nodes)、有機節點(Organic nodes)和有機連接體(Organic linkers)，它們可以配置在不同位置，因此有無數種潛在的MOF配置可供科學家設計和測試。美國能源部(U.S. Department of Energy, DOE) 阿貢國家實驗室的研究人員正在採取多種途徑實驗，一是生成式人工智慧(Artificial intelligence，以下簡稱AI)，可以想像出以前未知的候選構建區塊；另一種是機器學習(Machine learning)；第三條途徑是候選材料的篩選，最後使用分子動力學方法進行模擬。設計具有最佳碳選擇性和容量的MOF是一項重大挑戰，到目前為止，MOF設計一直依賴艱苦的實驗和計算工作，該過程既昂貴又耗時。透過利用生成式AI探索MOF設計空間，研究團隊能夠在30分鐘內快速組裝超過120,000個新的MOF候選材料，而後進行耗時的分子動力學模擬，僅使用最有希望的候選者，目標是篩選穩定性、化學性質和碳捕捉能力。此項研究論文──A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture發表在《自然通訊化學》期刊(Nature Communications Chemistry)。
相關連結
https://www.nanowerk.com/nanotechnology-news3/newsid=64656.php
文章來源：經濟部產業發展署產業永續發展整合資訊網
