Säästva süsiniku jäädvustamise ja võitluse kliimamuutuste vastu jaoks on tõhusate ja taskukohaste süsiniku jäädvustamiseks sobivate materjalide otsimine pidev väljakutse. Väärismetallide orgaanilised raamistikud (MOF-id) on osutunud lootustandvaks süsinikdioksiidi selektiivseks imendumise kandidaadiks, kuid nende materjalide kavandamise ja testimise traditsioonilised meetodid on ajakulukad ja kulukad.
Siiski kasutab Ameerika Ühendriikide Energiaministeeriumi Argonne’i Riiklikus Laboris tegutsev teadlaste meeskond koostöös teiste institutsioonidega tipptasemel tehnoloogiat, et protsessi revolutsiooniline pöörde tuua. Generatiivse kunstliku intelligentsuse (AI), masinõppe ja simulatsioonide abil püüavad nad tuvastada keskkonnasõbralikke MOF-e, mis on optimaalsed süsiniku jäädvustamiseks.
Generatiivse AI tehnikate kasutamisega suudavad uurijad kiiresti kokku panna üle 120 000 uue MOF-i kandidaadi vaid 30 minutiga. Need arvutused viiakse läbi võimsate superarvutite abil, näiteks Polaris superarvuti kasutades Argonne’i Juhtivaid Arvutusrajatisi (ALCF). Kõige paljutõotavamad kandidaadid on seejärel läbinud aeganõudvad molekulaardünaamika simulatsioonid Delta superarvutis Illinois Urbana-Champaign’i Ülikoolis (UIUC).
Nende simulatsioonide eesmärk on MOF-i kandidaatide sõelumine stabiilsuse, keemiliste omaduste ja süsiniku jäädvustamise võimekuse osas. Selle innovaatilise lähenemisviisi kaudu suudab meeskond tuvastada kõige elujõulisemad MOF-id edasiseks arendamiseks ja sünteesiks. See kiirendatud protsess on suur edasiminek võrreldes traditsiooniliste eksperimentaalsete ja arvutuslike meetoditega, mis on minevikus kasutusel olnud.
Lisaks ammutavad teadlased varasemast molekulaarsete kavandamise tööst inspiratsiooni uute võimaluste uurimiseks MOF-i ehitusplokkide paigutuse osas. Lisades uusi koostisosi AI algoritmi, laiendavad nad materjalide koostiste valikut, mida süsiniku jäädvustamisel arvesse võtta saab.
Kuigi uuring keskendub MOF-idele, ulatub AI-põhiste lähenemiste rakendamine kaugemale sellest valdkonnast. Selle projekti edu avab võimalused AI kasutamiseks biomolekulaarsetes simulatsioonides ja ravimite kavandamises, võimaldades kiiremaid ja tõhusamaid edusamme erinevates teadusharudes.
Koos AI tehnoloogiate pideva arengu ja juurdepääsuga võimsamatele arvutusressurssidele on potentsiaal optimaalsete süsiniku jäädvustamiseks sobivate materjalide avastamiseks heledam kui kunagi varem. AI jõu rakendamisega saavad teadlased avastada säästvate lahenduste jaoks uusi võimalusi ning aidata kaasa puhtamale ja rohelisemale tulevikule.
KKK osa:
K: Mis on uurimise fookus?
V: Uurimistöö keskendub generatiivse kunstliku intelligentsuse (AI) ja masinõppe kasutamisele keskkonnasõbralike väärismetallide orgaaniliste raamistikute (MOF-id) tuvastamiseks süsiniku jäädvustamiseks.
K: Mis on MOF-id?
V: MOF-id on materjalid, mis koosnevad väärismetallioonidest või klastritest, mis on ühendatud orgaaniliste ligandidega. Neis on näidatud potentsiaali selektiivseks süsinikdioksiidi imendumiseks.
K: Miks pole traditsioonilised MOF-ide kavandamise ja testimise meetodid ideaalsed?
V: Traditsioonilised meetodid on aeganõudvad ja kulukad. Uurijad kasutavad tipptasemel tehnoloogiat protsessi kiirendamiseks.
K: Kuidas generatiivne AI aitab selles uurimistöös?
V: Generatiivsed AI tehnikad võimaldavad uurijatel kiiresti kokku panna üle 120 000 uue MOF-i kandidaadi vaid 30 minutiga.
K: Milliseid arvutusressursse kasutatakse uurimistöös?
V: Kasutatakse võimsaid superarvuteid, nagu Polaris superarvuti Argonne’i Juhtivas Arvutusrajatises ja Delta superarvuti Illinois Urbana-Champaign’i Ülikoolis, arvutuste ja molekulaardünaamika simulatsioonide jaoks.
K: Milline on simulatsioonide eesmärk?
V: Eesmärk on sõeluda MOF-i kandidaadid stabiilsuse, keemiliste omaduste ja süsiniku jäädvustamise võimekuse osas, et tuvastada kõige elujõulisemad MOF-id edasiseks arendamiseks ja sünteesiks.
K: Kuidas uurimus laiendab materjalide koostiste valikut süsiniku jäädvustamiseks?
V: Uurijad lisavad uusi koostisosi AI algoritmi, võimaldades neil uurida uusi võimalusi MOF-i ehitusplokkide paigutuse osas.
K: Kas AI-põhiseid lähenemisviise saab rakendada teistes teadusharudes?
V: Jah, selle projekti edu avab võimalused AI kasutamiseks biomolekulaarsetes simulatsioonides, ravimite kavandamises ja muudes teadusharudes.
K: Millised on AI kasutamise potentsiaalsed eelised materjalide avastamisel?
V: AI jõudu kasutades saavad teadlased avastada süsiniku jäädvustamiseks optimaalseid materjale tõhusamalt, mis viib puhtama ja rohelisema tulevikuni.
Määratlused:
– Väärismetallide orgaanilised raamistikud (MOF-id): väärismetallioonidest või klastritest koosnevad materjalid, mis on ühendatud orgaaniliste ligandidega.
– Generatiivne kunstlik intelligentsus (AI): AI-tehnikad, mis genereerivad uute andmete või ideede loomiseks olemasolevate andmete põhjal.
– Molekulaardünaamika simulatsioonid: arvutusmeetodid, mis uurivad aatomite ja molekulide liikumisi ning omavahelisi mõjusid ajas.
Soovitatud seotud lingid:
– Argonne National Laboratory
– Argonne’i Juhtiv Arvutusrajatis (ALCF)
– Illinois Urbana-Champaign’i Ülikool (UIUC)
The source of the article is from the blog karacasanime.com.ve