Gépi tanulással gyorsítanák a széndioxid-veszteség újrahasznosítását

2020 / 10 / 07 / Perei Dóra
Gépi tanulással gyorsítanák a széndioxid-veszteség újrahasznosítását
A kanadai Toronto Egyetem és a pittsburghi Carnegie Mellon Egyetem kutatói mesterséges intelligenciával gyorsítanák a szén-dioxid-veszteség újrahasznosítását, vagyis annak etilénné alakítását. A kísérlet egyenlőre a hatékony katalizátor- és anyagkombinációk keresésénél tart, az eddigi eredmények azonban bizakodásra adnak okot. Ami jó hír tekintve, hogy egy körülbelül hatvanmilliárd dolláros globális üzleti ágról van szó.

Ha a rendszert szél- vagy napenergiával működtetik, az elektromosság jobban elraktározható, valamint jelentős mértékben javul a szénkinyerés és a tiszta energiák tárolása. A kutatók mostanra több világszintű katalizátort megalkottak, amelyek képesek csökkenteni a szén-dioxid etilénné és más szénalapú molekulává alakításának költségeit. Az egyébként milliós nagyságrendű potenciális anyagkombinációból egy még hatékonyabb kikísérletezése a cél, ám ekkora mennyiséget manuálisan lehetetlen letesztelni lehetetlen. A gépi tanulás viszont drasztikusan felgyorsíthatja a keresési folyamatot:

a különféle számítógépes modellek, adatok és algoritmusok gyorsan kiszűrik a téves kombinációkat, vagyis ez már önmagában előrevetíti a lehetséges megoldásokat.

A tiszta energia mesterséges intelligenciával történő kutatások egy 2017-es kanadai konferencia után lettek felkapottak, aminek a CMU-n nanoanyagok számítógépes modellezésével foglalkozó Zachary Ulissi, a kutatás vezetője is részese volt. Zachary és csapata működő adatsorokkal rendelkeznek potenciális katalizáló anyagokról, tulajdonságaikról, valamint azok vegyi reakcióiról. A szén-dioxid etilénné alakításáról ellenben nem rendelkeznek adatsorokkal, így más kreatív megoldás után kellett nézniük. Az általuk fejlesztett algoritmusok

gépitanulás-modellek kombinációival és aktív tanulással, az anyag részletes modellje nélkül előrejelzik, hogy egy adott katalizátor milyen típusú terméket generálhat.

Az algoritmusok több mint kétszáznegyven anyagból választottak ki négy ígéretes opciót, a legjobbnak pedig egy réz-alumínium ötvözetet találták, amelyből aztán nanoléptékű lyukacsos szerkezetet formáltak. A kutatók hozzátették: a réz és az alumínium többféleképpen összekapcsolódhat, de mindegyik opció hasznosnak tűnik. A katalizátort elektrolizáló műszeren tesztelték, melynek során rekordteljesítményt mértek. A kutatók szerint az energiaköltségeket azonban jelentősen csökkenteni kell az etilén előállításához, ezért az újabb kutatásoknál erre fókuszálnak.

(Fotó: Unsplash/Marcin_Jozwiak)


Hello Szülő! Ha a gyereked nem tud valamit, akkor téged fog kérdezni. De ha te szülőként nem tudsz valamit, akkor kihez fordulsz?
A digitális kor szülői kihívásairól is találhattok szakértői tippeket, tanácsokat, interjúkat, podcastokat a Telekom családokat segítő platformján, a https://helloszulo.hu/ oldalon.
Hogyan válasszunk külföldi egyetemet? És mennyibe fog ez kerülni a családnak?
Hogyan válasszunk külföldi egyetemet? És mennyibe fog ez kerülni a családnak?
Repül már a vén diák. Hová? Hová?
Hogyan vélekednek a magyarok a net veszélyeiről – és kik a leginkább fenyegetettek?
Hogyan vélekednek a magyarok a net veszélyeiről – és kik a leginkább fenyegetettek?
Hogy áll a magyar lakosság generációkra bontva a kiberbiztonsághoz? – Erről szól az ESET rendkívül átfogó felmérése, amelyből olyan meglepő eredmények is kiderülnek, hogy kik a romantikus csalások legfőbb célpontjai, miközben az adott csoport nem is nagyon ismeri ezt a fenyegetést.
Ezek is érdekelhetnek
HELLO, EZ ITT A
RAKÉTA
Kövess minket a Facebookon!
A jövő legizgalmasabb cikkeit találod nálunk!
Hírlevél feliratkozás

Ne maradj le a jövőről! Iratkozz fel a hírlevelünkre, és minden héten elküldjük neked a legfrissebb és legérdekesebb híreket a technológia és a tudomány világából.



This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.