Un potentiel d’apprentissage automatique dérivé de calculs basés sur les premiers principes dévoile les mécanismes complexes du CO2 Capture dans l’ammoniac liquide. Crédit : Liam Krauss/LLNL
Une équipe de scientifiques du Lawrence Livermore National Laboratory (LLNL) a développé un modèle d’apprentissage automatique pour acquérir une compréhension au niveau atomique du CO2 capture dans des sorbants à base d’amine. Cette approche innovante promet d’améliorer l’efficacité des technologies de capture directe de l’air (DAC), qui sont essentielles pour réduire les quantités excessives de CO2 déjà présent dans l’atmosphère.
Malgré les efforts continus pour décarboner l’économie, le ministère américain de l’Énergie prévoit que la majorité de la production nationale d’énergie proviendra toujours de sources non renouvelables d’ici 2050. Cela souligne le besoin urgent non seulement de développer de nouvelles technologies d’énergie renouvelable, mais aussi d’améliorer les méthodes de capture et de stockage du CO2 émissions.
Les sorbants à base d’amines sont apparus comme une solution prometteuse, liant efficacement le CO2 même dans des conditions ultra-diluées. Le faible coût de ces sorbants a permis à plusieurs entreprises de développer cette technologie, démontrant que le DAC est un moyen viable de lutter contre le réchauffement climatique. Cependant, d’importantes lacunes dans les connaissances subsistent dans la chimie du CO2 capture dans des conditions expérimentalement pertinentes.
Le modèle d’apprentissage automatique de l’équipe LLNL a révélé que le CO2 la capture par les amines implique la formation d’une liaison chimique carbone-azote entre le groupe amino et le CO2ainsi qu’un ensemble complexe de réactions de transfert de protons médiées par solvant. Ces réactions de transfert de protons sont essentielles à la formation du CO le plus stable2-espèces liées et sont significativement influencées par les fluctuations quantiques des protons.
![Les simulations d'apprentissage automatique reproduisent la structure fondamentale de l'ammoniac liquide. Crédit : Chemical Science (2024). DOI : 10.1039/D4SC00105B Sonder la capture du carbone, atome par atome](https://scx1.b-cdn.net/csz/news/800a/2024/probing-carbon-capture.jpg)
Les simulations d’apprentissage automatique reproduisent la structure fondamentale de l’ammoniac liquide. Crédit : Sciences chimiques (2024). DOI : 10.1039/D4SC00105B
« Notre méthode peut être étendue aux amines ayant différentes compositions chimiques, soulignant l’impact de l’apprentissage automatique dans la compréhension de la chimie fondamentale impliquée dans le CO2 “capture dans des conditions réalistes”, a déclaré Marcos Calegari Andrade, auteur principal d’un article paru dans Sciences chimiques.
En utilisant une combinaison de méthodes de Monte Carlo grand-canonique et d’échantillonnage améliorées en dynamique moléculaire, les chercheurs ont obtenu des quantités directement accessibles par les expériences. Ces résultats fournissent un lien vital avec les mesures en laboratoire et ouvrent la voie à une future boucle de rétroaction entre les simulations et les expériences.
« En intégrant l’apprentissage automatique à des techniques de simulation avancées, nous avons créé une approche puissante qui relie les prédictions théoriques et les validations expérimentales du CO2« des mécanismes de capture d’une manière qui n’est pas accessible par les techniques de simulation traditionnelles », a déclaré Sichi Li, scientifique du LLNL, co-auteur correspondant et responsable de la théorie du projet.
« Cette recherche fait non seulement progresser notre compréhension du CO2 « Les mécanismes de capture ne sont pas seulement un outil nouveau et essentiel pour la conception de matériaux de nouvelle génération qui peuvent contribuer à des émissions nettes de gaz à effet de serre nulles », a déclaré Simon Pang, co-auteur correspondant et chercheur principal du projet.
Les co-auteurs du LLNL incluent également Tuan Anh Pham et Sneha Akhade.
Plus d’information:
Marcos F. Calegari Andrade et al, L’apprentissage automatique démontre l’impact du transfert de protons et de la dynamique des solvants sur la capture du CO2 dans l’ammoniac liquide, Sciences chimiques (2024). DOI : 10.1039/D4SC00105B
Fourni par le Laboratoire national Lawrence Livermore
Citation: Sondage de la capture du carbone, atome par atome avec un modèle d’apprentissage automatique (31 juillet 2024) récupéré le 31 juillet 2024 à partir de
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre d’information uniquement.