(資料圖片)
阿卜杜拉國王科技大學(xué) (King Abdullah University of Science and Technology, KAUST)開發(fā)了一種基于機(jī)器學(xué)習(xí)的逆向混合設(shè)計(jì)的方法，可以教計(jì)算機(jī)識(shí)別混合物成分，并根據(jù)混合物成分的屬性自主設(shè)計(jì)新的組合，創(chuàng)建新的混合物。這將有助于創(chuàng)建高性能的運(yùn)輸燃料，在使燃料充分燃燒的同時(shí)減少向大氣中排放的二氧化碳。
溫室氣體排放是導(dǎo)致全球氣候變暖的主要因素。二氧化碳排放的很大一部分來自如汽油等碳?xì)浠衔锶剂系娜紵＝鉀Q這個(gè)環(huán)境問題的一個(gè)有效辦法是設(shè)計(jì)出能提供高效燃燒和低量排放的運(yùn)輸燃料。
研究小組的博士生Nursulu Kuzhagaliyeva說：“關(guān)鍵的難點(diǎn)是需要篩選含有數(shù)百種成分的復(fù)雜混合物，以此預(yù)測混合物的各個(gè)成分對結(jié)果混合物的作用和影響。”
Kuzhagaliyeva、Sarathy和同事們構(gòu)建了一個(gè)深度學(xué)習(xí)模型以有效地篩選燃料。在逆向設(shè)計(jì)方法中，研究人員首先定義了與燃燒有關(guān)的屬性，如燃料的燃點(diǎn)質(zhì)量和煙塵傾向，然后根據(jù)這些屬性確定潛在的燃料。公開可用的實(shí)驗(yàn)數(shù)據(jù)非常少。因此，研究人員利用文獻(xiàn)中的實(shí)驗(yàn)測量數(shù)據(jù)建立了一個(gè)廣泛的數(shù)據(jù)庫來訓(xùn)練模型。該數(shù)據(jù)庫包括不同類型的純化合物、代用燃料混合物和復(fù)雜的混合物，如汽油。受文本處理技術(shù)的啟發(fā)，他們引入了一個(gè)混合算子，通過線性組合直接連接純化合物和混合物的隱性表示，將單詞與短語聯(lián)系起來。此外，他們還增加了搜索算法，以檢測在化學(xué)空間內(nèi)符合預(yù)定屬性的燃料混合物。
該模型準(zhǔn)確地預(yù)測了各種分子和混合物的燃點(diǎn)質(zhì)量和燃煙傾向，它還確定了幾種符合預(yù)定標(biāo)準(zhǔn)的燃料混合物。
該團(tuán)隊(duì)現(xiàn)在正通過將屬性數(shù)據(jù)庫擴(kuò)展到其他標(biāo)準(zhǔn)，如揮發(fā)性、粘度和污染物形成，來提高模型的準(zhǔn)確性。該工具正被推進(jìn)到制定汽油電子燃料和合成航空燃料。Kuzhagaliyeva說：“我們正在開發(fā)一個(gè)云平臺(tái)，使其他人也能夠使用該工具。”
該研究論文題為" Artificial intelligence-driven design of fuel mixtures"，已發(fā)表在Communications Chemistry (2022)上。主要作者為KAUST的博士生Nursulu Kuzhagaliyeva。
本文來源前瞻網(wǎng)，轉(zhuǎn)載請注明來源。本文內(nèi)容僅代表作者個(gè)人觀點(diǎn)，本站只提供參考并不構(gòu)成任何投資及應(yīng)用建議。（若存在內(nèi)容、版權(quán)或其它問題，請聯(lián)系：service@qianzhan.com）
延伸閱讀：
“黑科技”加持 我國萬元GDP碳排放連降五年
