Meta 和GeorgiaTech的研究人员发布了一项新的数据集和相应的人工智能模型，以加快对直接空气捕集技术在应对气候变化方面的研究进展

Meta 和GeorgiaTech研究团队发布新数据集和人工智能模型，促进直接空气捕集技术在应对气候变化方面的研究进展

<img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/11/Screenshot-2023-11-09-at-11.51.38-AM-1024×557.png”/><img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/11/Screenshot-2023-11-09-at-11.51.38-AM-150×150.png”/><p>全球社群面臨了應對不斷上升的二氧化碳（CO2）水平對氣候變化的影響的挑戰。為了應對這一挑戰，正在開發創新技術。直接空氣捕獲（DAC）是一種非常重要的方法。DAC涉及直接從大氣中捕獲CO2，其實施對於抗擊氣候變化至關重要。然而，DAC所面臨的高成本阻礙了其廣泛應用。</p><p>DAC的重要方面是其對吸附劑材料的依賴，在各種各樣的選擇中，金屬有機骨架（MOFs）引起了人們的關注。MOFs提供了模塊化、靈活性和可調性等優勢。與需要很多能量來恢復的常規吸附材料相比，金屬有機骨架（MOFs）提供了一種更節能的選擇，並允許在較低溫度下進行再生。這使得MOFs成為各種應用的有希望且環境友好的選擇。</p><p>但是，由於需要探索廣闊的化學空間並了解在不同濕度和溫度條件下材料的行為，因此確定適合DAC的吸附劑是一項複雜的任務。特別是濕度對吸附有很大的挑戰，因為它會影響吸附並導致吸附劑長時間的降解。 </p><p>為應對這一挑戰，OpenDAC項目應運而生，它是Meta和佐治亞理工學院基礎AI研究（FAIR）之間的協作研究努力。OpenDAC的主要目標是通過確定新型吸附劑，即能夠有效從空氣中提取CO2的材料，從而顯著降低DAC的成本。發現這樣的吸附劑是使DAC經濟可行和可擴展的關鍵。</p><p>研究人員進行了廣泛的研究，從而創建了OpenDAC 2023（ODAC23）數據集。該數據集是超過8800個MOF材料上的超過3800萬密度泛函理論（DFT）計算的綜合，包括吸附的CO2和H2O。ODAC23是DFT級別的MOF吸附計算中最大的數據集，提供了有關MOF性質和結構鬆弛的寶貴見解。</p><p>此外，OpenDAC將ODAC23數據集釋放給整個研究社群和新興的DAC行業。其目的是促進合作，並為開發機器學習（ML）模型提供基礎資源。 </p><p>研究人員可以通過使用基於ODAC23數據集訓練的最新機器學習模型來近似DFT級別計算，輕松鑒別出MOFs。</p><p>總之，OpenDAC項目代表了提高直接空氣捕獲（DAC）經濟負擔和可擴展性的重要進展。通過利用金屬有機骨架（MOF）的優勢並使用尖端計算方法，OpenDAC在碳捕獲技術的進展中處於有利位置。現在向公眾開放的ODAC23數據集標誌著為打擊氣候變化共同努力做出的貢獻，提供了除DAC應用之外的大量信息。</p>