Мета и исследователи из GeorgiaTech выпустили новый набор данных и связанные модели искусственного интеллекта, чтобы ускорить исследования по прямому захвату воздуха для борьбы с изменением климата.

GeorgiaTech исследователи представляют новый набор данных и модели искусственного интеллекта для эффективного противодействия климатическим изменениям прямой захват воздуха

Мировое сообщество сталкивается с проблемой борьбы с влиянием уровня углекислого газа (CO2) на изменение климата. Для решения этой проблемы разрабатываются инновационные технологии. Прямой захват воздуха (DAC) является очень важным подходом. DAC предполагает прямой захват CO2 из атмосферы, и его реализация критична в борьбе с изменением климата. Однако высокие затраты на DAC препятствуют его широкому применению.

Важным аспектом DAC является его зависимость от веществ-сорбентов, и среди различных вариантов особое внимание привлекают металл-органические структуры (MOF). MOF обладает преимуществами, такими как модульность, гибкость и возможность настройки. В отличие от обычных абсорбирующих материалов, требующих большого количества энергии для восстановления, металл-органические структуры (MOF) предлагают более энергосберегающую альтернативу, позволяющую регенерацию при более низких температурах. Это делает MOF многообещающим и экологически безопасным выбором для различных приложений.

Однако задача поиска подходящих сорбентов для DAC является сложной из-за огромного химического пространства для исследования и необходимости понимания поведения материала при различных условиях влажности и температуры. Особую сложность представляет влажность, так как она может влиять на адсорбцию и приводить к деградации сорбента со временем.

• Ключевой старт в MLOps исследование его неотъемлемых компонентов
• Использование плагинов Polars для повышения скорости в 14 раз с помощью Rust
• Структурирование сценариев запуска ваших облачных инстансов

В ответ на эту проблему был создан проект OpenDAC как коллаборативное исследовательское предприятие между Fundamental AI Research (FAIR) в Meta и Georgia Tech. Основная цель OpenDAC заключается в существенном снижении стоимости DAC путем выявления новых сорбентов – материалов, способных эффективно удалять CO2 из воздуха. Открытие таких сорбентов является ключевым моментом для достижения экономической целесообразности и масштабируемости DAC.

Исследователи провели обширное исследование, в результате чего был создан набор данных OpenDAC 2023 (ODAC23). Этот набор данных является компиляцией более 38 миллионов расчетов методом плотностного функционала (DFT) на свыше 8 800 МОФ-материалов, охватывающих адсорбированный CO2 и H2O. ODAC23 является самым большим набором данных о расчетах адсорбции МОФ на уровне DFT, предлагающим ценные познания в свойства и структурную релаксацию МОФ.

Кроме того, OpenDAC предоставил набор данных ODAC23 более широкому научному сообществу и вновь возникающей отрасли DAC. Цель состоит в поощрении сотрудничества и предоставлении фундаментального ресурса для разработки моделей машинного обучения (ML).

Исследователи могут легко определить MOF, приближая расчеты уровня DFT, используя передовые модели машинного обучения, обученные на наборе данных ODAC23.

В заключение, проект OpenDAC представляет собой значительный прогресс в повышении доступности и доступности прямого захвата воздуха (DAC). Используя преимущества металл-органических структур (MOF) и передовые вычислительные методы, OpenDAC хорошо позиционируется для продвижения в области технологии захвата углерода. Набор данных ODAC23, теперь открытый для широкой публики, является вкладом в совместные усилия по борьбе с изменением климата, предлагая множество информации за пределами приложений DAC.