Teknologiska framsteg och dataspridning har ansett artificiell intelligens (AI)-driven innovation som en tillväxtmöjlighet för utveckling av banbrytande material för speciella applikationer, särskilt inom området gasseparation. En av de största utmaningarna i samband med denna process är de extremt nära kinetiska diametrarna för de två gasmolekylerna, vilket resulterar i låg membranselektivitet.
I en studie publicerad i Green Chemical Engineering , kom en grupp forskare från Kina på en ny metod för att utforska material med förbättrad heliumextraktionseffektivitet – med hjälp av AI.
Forskarna undersökte särskilt relationer mellan struktur och prestanda, belyst separationsmekanismer och identifierade avgörande faktorer som påverkar separationsprestandan för att designa metall-organiska ramverk (MOF)-baserade membran. Den porbegränsande diametern (PLD) och tomrumsfraktionen (φ) avslöjades som de viktigaste fysiska egenskaperna för att bestämma membranselektiviteten respektive He-permeabiliteten.
"Traditionell materialutveckling står inför begränsningar, men AI revolutionerar fältet", säger Zhengqing Zhang, huvudutredare för studien "Vårt tillvägagångssätt avslöjar inte bara dolda mekanismer utan avslöjar också nya insikter."
Teamet hoppas att deras resultat kommer att uppmuntra forskare att fortsätta att undersöka skärningspunkten mellan AI och materialvetenskap, vilket öppnar dörrar till oöverträffade tekniska framsteg.
Mer information: Shitong Zhang et al, Maskininlärning understödd undersökning av struktur-prestanda-korrelationen av MOF för membranbaserad He/H2 separation, Grön kemiteknik (2024). DOI:10.1016/j.gce.2024.01.005
Tillhandahålls av KeAi Communications Co.
