Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Алгоритм машинного обучения вычислит эффективные поглотители углекислого газа
Ученые с использованием алгоритмов машинного обучения создали модели, способные по химическим и физическим свойствам жидкостей оценивать, насколько хорошо они связывают углекислый газ. Предложенный подход позволит ускорить поиск эффективных, дешевых и экологически чистых поглотителей, которые помогут бороться с выбросами парниковых газов в атмосферу.
Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Separation and Purification Technology.
Развитие промышленности и урбанизация привели к росту выбросов углекислого газа в атмосферу. Он образуется при сжигании ископаемого топлива, работе электростанций, а также любых заводов и предприятий. Поскольку углекислый газ связывают с изменением климата, ученые стремятся уменьшить его выбросы и разрабатывают системы для его улавливания, которые можно размещать на энергетических установках, газогенераторах и других подобных источниках углекислого газа.
Перспективными считаются глубокие эвтектические растворители — вязкие смеси на основе органических или неорганических веществ. В их состав могут входить соли, органические кислоты, сахара, спирты, а также их производные. Глубокие эвтектические растворители образуются за счет того, что их компоненты связываются плотной сетью водородных связей.
При образовании таких связей происходит существенное перераспределение («размазывание») заряда на молекулах. За счет этого усиливается физическое взаимодействие между углекислым газом и соответствующими участками молекул растворителя. Также смеси способны поглощать газы путем химического связывания, особенно если в их состав входят амины — азотсодержащие соединения. Однако среди огромного разнообразия всевозможных комбинаций компонентов этих смесей сложно найти ту, что будет наилучшим поглотителем.
Ученые из Института химии растворов имени Г. А. Крестова РАН (Иваново) разработали алгоритм машинного обучения, способный предсказать, насколько хорошо глубокий эвтектический растворитель того или иного состава будет поглощать углекислый газ.
Алгоритм включал несколько отдельных моделей, которые оценивали различные свойства жидкостей: химический состав, строение входящих в них молекул, параметры состояния и температуру плавления. Эти характеристики были выбраны, поскольку они влияют на способность смеси поглощать газы. Для обучения алгоритма исследователи использовали уже известные экспериментальные и литературные данные для 400 смесей. Далее точность алгоритма проверили на другом наборе также уже известных растворителей. Оказалось, что модель по химическому составу смеси с точностью 90 процентов воспроизводила ранее установленную для нее опытным путем способность поглощать углекислый газ.
Авторы использовали разработанный алгоритм для анализа еще не изученных эвтектических растворителей. Из более чем 94 тысяч потенциальных поглотителей модель выбрала 1447 вариантов смесей, компоненты которых связывали углекислый газ с эффективностью более 30 мольных процентов.
«Предложенные вычислительные методы могут использоваться вместо «слепого» экспериментального поиска новых поглотителей углекислого газа, поскольку они позволяют быстро проанализировать десятки тысяч возможных вариантов смесей и найти наилучших «кандидатов»», — рассказывает участник проекта, поддержанного грантом РНФ, Дмитрий Макаров, соавтор исследования, старший научный сотрудник ИХР РАН.
Разработанные авторами алгоритмы находятся в открытом доступе и могут использоваться химиками всего мира для синтеза новых поглотителей углекислого газа.
«Имея свыше 90 тысяч теоретических наборов смесей, с помощью алгоритмов машинного обучения мы отобрали те, что подходили нам по свойствам. Мы планируем расширить количество используемых при скрининге характеристик, в частности добавив модель для прогноза вязкости, от которой также зависят свойства поглотителей. Это позволит еще сильнее сузить круг смесей, рекомендованных к экспериментальному тестированию», — добавил руководитель проекта, поддержанного грантом РНФ, Аркадий Колкер, доктор химических наук, главный научный сотрудник ИХР РАН.
Telegram 
Дзен 
VK От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
В Олдувайском ущелье на севере Танзании ученые обнаружили скелет слона возрастом 1,78 миллиона лет, а рядом с ним — необычные для того времени каменные орудия. Авторы нового исследования полагают, что им удалось найти древнейшее место разделки гигантской добычи.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
Ученые десятилетиями ищут кости мамонтов, которые, по данным генетиков, могли дожить на материке до бронзового века. Очередная потенциальная находка с Аляски, считавшаяся остатками мамонтов, после проверки оказалась костями китов, умерших около двух тысяч лет назад.
На скалистых берегах аргентинской Патагонии разворачивается настоящая драма. Магеллановы пингвины, долгое время чувствовавшие себя в безопасности на суше в своих многотысячных колониях, столкнулись с новым и беспощадным врагом. Их извечные морские страхи — касатки и морские леопарды — теперь блекнут перед угрозой, пришедшей из глубины материка. Виновник переполоха — грациозный и мощный хищник, недавно вернувшийся на эти земли после долгого изгнания.
Среди самых интригующих открытий космического телескопа «Джеймс Уэбб» — компактные объекты, получившие название «маленькие красные точки». Их видели только в самых дальних уголках Вселенной. Большинство возникло в первый миллиард лет после Большого взрыва, и ученые предполагали, что такие источники представляют собой небольшие компактные галактики. Однако международная команда астрономов пришла к иному выводу. Они предположили, что на самом деле «маленькие красные точки» — черные дыры, окруженные массивной газовой оболочкой.
Ученые задались вопросом: почему два расположенных по соседству спутника Юпитера такие разные, ведь на Ио повсеместно извергаются вулканы, а Европа полностью покрыта многокилометровой коркой льда. Есть версия, что Ио когда-то тоже была богата водой, но по итогам недавнего исследования это сочли неправдоподобным.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно