作者:by The Korea Advanced Institute of Science and Technology (KAIST)
为了帮助防止气候危机,必须积极减少已经发出的COâ至关重要。因此,直接空气捕获(DAC)直接从空中提取的技术正在引起人们的注意。但是,由于空气中存在水蒸气(HâO),因此有效捕获纯co并不容易。
KAIST的研究人员成功使用了AI驱动的机器学习技术来识别最有希望的竞赛材料金属有机框架(MOFS),这是为该技术研究的关键材料类别。
该研究团队由化学与生物分子工程系的Jihan Kim教授领导,并与伦敦帝国学院的一个团队合作出版他们在期刊上的研究事情。
发现的困难高性能材料是由于结构的复杂性和预测的局限性分子间相互作用。为了克服这一点,研究团队开发了一个机器学习力领域(MLFF),能够准确预测Coâ,Water(HâO)和MOF之间的相互作用。这种新方法允许以量子力学级别的准确度计算MOF吸附属性,其速度比以前要快得多。
使用此系统,该团队筛选了8,000多个实验合成的MOF结构,并确定了100多名有希望的候选者进行CO捕获。值得注意的是,这包括未被传统基于部队的模拟发现的新候选人。该团队还分析了MOF之间的关系化学结构以及吸附性能,提出了七个关键的化学特征,这些特征将有助于为DAC设计新材料。
这项研究被认为是DAC领域的重大进步,通过精确预测Mof-Coâ和Mof-H的相互作用,可以极大地增强材料设计和仿真。
更多信息:Yunsung Lim等人,加速CO2具有可转移的机器学习力场的金属有机框架的直接空气捕获筛选,事情(2025)。doi:10.1016/j.matt.2025.102203
期刊信息: 事情
引用:AI指出了有希望的材料,这些材料仅捕获空气(2025年,6月30日)检索2025年7月1日摘自https://phys.org/news/2025-06-ai-materials-capture-air.html
该文档具有版权。除了为私人研究或研究目的的任何公平交易外,没有未经书面许可,可以复制部分。内容仅用于信息目的。