北卡罗来纳州立大学的概念验证分子模拟研究分析了胺溶液捕获二氧化碳的效率。这一系列的新的计算机模型是朝向更便宜,更有效的化学品胺设计用于捕获二氧化碳的第一步-和减少有害CO2的排放量-在工业装置。
工业洗涤器使用化学溶液捕获燃料和燃烧气体中的二氧化碳(CO2)。洗涤器是减少燃煤发电厂等行业碳排放的常用方法,燃煤发电厂每年产生超过140亿公吨的碳。然而,胺洗涤是一种昂贵的过程,因此研究人员一直在寻找具有更理想品质的新胺化学品,例如快速吸收率,高CO2容量和低反应热。
北卡罗来纳州立大学化学助理教授Denis Fourches和博士后研究员Melaine Kuenemann想知道他们是否可以创建能够根据化学结构预测胺吸收特性的计算机模型。
首先,研究人员汇总了有关41种公开胺溶液及其所有化学和吸收性质的信息。他们分析了每种胺的化学和结构特征,并将它们分为具有相似结构特性的化学品系列。然后他们研究了这些胺吸收碳的能力和速度。使用这些数据,他们创建了一系列模型 - 称为定量结构 - 属性关系,或QSPR模型 - 可以仅根据胺的结构特征预测胺的CO2吸收性质。
这些模型利用机器学习技术 - 与Netflix或亚马逊等公司一样,“学习”客户的偏好并根据该数据提出建议 - 以预测哪些化学结构可能具有最佳的整体CO2吸收性能。发现这些模型能够可靠地区分具有高吸收性能的胺与效率较低的胺。
“这项工作是开发计算机模型的第一次尝试,用于全面评估和预测胺溶液的二氧化碳吸收性能,”Fourches说。“我们的下一步是利用这些计算机模型筛选成千上万种新胺的虚拟文库,并确定一些预计具有更好碳吸收性能的新候选胺。
“如果你必须通过实验测试所有这些成千上万的化合物,那将花费数十年的时间,”Fourches继续说道。“凭借我们可以访问的强大计算机,这种虚拟筛选可以在几天内完成并且非常便宜。这可以改变设计和优先考虑新化合物的游戏规则。”
该研究发表在Molecular Informatics上。这项工作由北卡罗来纳州立大学校长卓越计划资助。