University of Alberta forskare har utvecklat tekniker som sparar en betydande mängd tid i att utveckla mer effektiva kolavskiljningstekniker, vilket kan bidra till att sänka kostnaderna för att använda teknikerna och öka deras användning som ett sätt att minska koldioxidutsläppen.

U of A ingenjörsprofessor Arvind Rajendran och hans team utvecklade en tvåstegs screeningprocess som bedömer kolavskiljande material som kallas zeoliter på några sekunder snarare än en dag.

Zeoliter fungerar genom att adsorbera – i princip fastna på – koldioxidmolekyler, liknande hur lukt kan fångas upp av kolfilter i våra kylskåp. I kolavskiljningssystem, "rökgas"-avgaserna som släpps ut från ett kraftverk kan passera genom zeoliterna, fångar upp CO2 innan det kommer ut i atmosfären. Teoretiskt sett, miljontals olika typer av material kan adsorbera CO2, men att vara effektiv som en del av en industriell process, en molekyl måste hålla sig till CO2 och även släppa ut den på kommando när koldioxiden ska fångas in eller användas.

Dock, inte alla zeoliter är lika, Rajendrans team förklarar, vissa är mycket bättre än andra på att hålla sig till och släppa ut koldioxid.

Laget, inklusive magisterexamen Vishal Subramanian Balashankar, bedömd 120, 000 zeoliter och kunde skära ner dem till endast 7, 000, som sedan kunde screenas ner till två dussin bra mål med traditionella metoder. Ett av dessa material verkar vara en betydande förbättring jämfört med det nuvarande standardmaterialet, zeolit-13x, vilket resulterar i 17 procent effektivare energianvändning.

Det andra verktyget – skapat tillsammans med U of A-teknikprofessorerna Vinay Prasad och Zukui Li, och doktorander Kasturi Nagesh Pai och Gokul Subraveti – använde känd information om de kolinfångande molekylerna för att förutsäga beteende och prestanda i ett verkligt system.

Att använda en maskininlärningsalgoritm eliminerar behovet av att simulera varje molekyls prestanda, minskar beräkningsbelastningen med en faktor 10 utan att förlora noggrannhet, Rajendran noterade.

Teknik för kolavskiljning kan förhindra kol- och naturgaskraftverk från att släppa ut koldioxid, men de kostar för närvarande så mycket att installera och driva att kraftbolagen tvekar att använda dem, han lade till.

"Vår roll är att tillhandahålla dessa verktyg för att hjälpa kemister att hitta bättre molekyler, och vår expertis är att designa processer som använder molekylerna för att fånga upp kol, " förklarade Rajendran.

Att hitta de perfekta materialen som passar in i denna goldilocks-zon har alltid varit en utmaning, men gruppens nya verktyg för maskininlärning pekar forskare på livskraftiga nya kolavskiljningsmaterial, spara månader förlorade till återvändsgränder eller arbete med ineffektiva material. De hjälper också ingenjörer att förstå vilken design av kolavskiljning som skulle vara mest effektiv.

Om adsorbenter är som kolfilter i kylskåp, maskininlärning hjälper forskarna att förstå vilka varumärken som är mest effektiva när det gäller att fånga in lukter, och hur deras integration i kylen kan förändra effekten.

Den traditionella processen att fatta dessa beslut var långsam, förlitar sig på mödosamt arbete och omfattande datorsimuleringar. Varje möjlig molekyl och varje potentiell systemdesign måste simuleras individuellt, kräver extraordinär datorkraft.

"Poängen är att snabbt hitta molekyler och system som kommer att minska kostnaderna för att fånga upp kol, att få ner den långt under koldioxidskatten så att den faktiskt antas, sa Rajendran.

Teknikerna, nyligen publicerad i ACS Sustainable Chemistry &Engineering och Industriell och teknisk kemiforskning , kan anpassas för att påskynda upptäckter om andra typer av material och processer relaterade till klimatförändringar och industriella gasseparationer, inklusive metanuppgradering och syrerening – ämnen som forskargruppen för närvarande studerar.

"Vi behöver förnybara energikällor, men vi kommer att ha dessa kolvätesystem i många år framöver, " sade han. "Den här tekniken kan stoppa utsläppen nu, och köp tid för oss att slutföra övergången."