大数据和合成化学可以应对气候变化和污染

南卡罗来纳大学和哥伦比亚大学的科学家已经开发出一种更快的方法来设计和制造可减少温室气体排放并减少污染的气体过滤膜 。
他们的新方法今天发表在《科学进展》上,将机器学习与合成化学相结合,可以更快地设计和开发新的气体分离膜 。最近使用这种方法的实验产生了比其他任何已知的过滤膜更好地分离气体的新材料 。

大数据和合成化学可以应对气候变化和污染

文章插图
1 / 1南卡罗来纳大学(University of South Carolina)博士候选人劳拉·默多克(Laura Murdock)展示了她根据机器学习规定的化学设计制成的聚合物薄膜 。该膜的性能优于所有用于分离二氧化碳和甲烷的已知膜,这表明机器学习可以帮助化学家更快地开发新材料 。图片来源:Laura Murdock /南卡罗来纳大学
南卡罗来纳大学SmartState化学教授Brian Benicewicz说,这项发现可能会改变新材料的设计和制造方式 。
Benicewicz说:“这消除了猜测和旧的反复试验的工作,这是非常无效的 。” “您不必制作数百种不同的材料并对其进行测试 。现在,您让机器学习 。它可以缩小搜索范围 。”
塑料薄膜或膜通常用于过滤气体 。Benicewicz解释说,这些膜在选择性和渗透性之间进行权衡—一种让一种气体通过的材料不可能阻止另一种气体的分子 。“我们正在谈论一些非常小的分子 。” “大小差异几乎是不可察觉的 。如果您想要大量的渗透性,那么您将不会获得太多的选择性 。”
Benicewicz和他在哥伦比亚大学的合作者想看看大数据是否可以设计出更有效的膜 。
研究新思路哥伦比亚大学的团队创建了一种机器学习算法,该算法分析了用于将二氧化碳与甲烷分离的现有膜的化学结构和有效性 。一旦算法能够准确地预测一个给定的膜的有效性,他们扭转了问题:什么化学结构将使得理想的气体分离膜?
【大数据和合成化学可以应对气候变化和污染】哥伦比亚大学化学工程系Bykhovsky教授Sanat K. Kumar将其与Netflix推荐电影的方法进行了比较 。通过检查观众以前观看和喜欢的内容,Netflix可以确定观众喜欢的功能,然后找到要推荐的视频 。他的算法分析了现有膜的化学结构,并确定哪种结构更有效 。
计算机列出了可能超过电流限制的100种假设材料清单 。负责合成化学研究小组的Benicewicz确定了可以合理制造的两个拟议结构 。UofSC博士Laura Murdock 化学专业的学生,??制造了规定的聚合物并将其铸成薄膜 。
商业潜力对膜进行测试时,其有效性接近计算机的预测,并且远高于假定的极限 。默多克说:“它们的性能非常好,比以前的要好得多 。它具有商业用途的潜力 。”
分离二氧化碳和甲烷已在天然气工业中立即应用 。必须从天然气中除去CO 2,以防止管道腐蚀 。但是默多克说,使用大数据消除流程中的猜测的方法引出了另一个问题:“我们还可以将机器学习使用哪些其他聚合物材料并为各种应用创建更好的材料?”
Benicewicz说,机器学习可以帮助科学家设计新的膜来分离煤中的温室气体,从而有助于减少气候变化 。
Kumar说:“这项工作因此指出了一种新的材料设计方式 。” “不是测试特定应用程序中存在的所有材料,而是寻找最能满足您的需求的材料部分 。当结合最好的材料后,便可以设计出更好的材料 。”
文章来源:phys.org

    推荐阅读