에너지 효율성을 높이고 수소 연료 생산의 탄소 배출량을 줄이기 위해, 팡린 체51245_51497자연화학공학. 이 연구에서는 인공 지능을 활용하여 더 깨끗하고 효율적인 수소 생산을 촉진할 수 있는 잠재력을 가진 촉매를 식별했습니다.
문서에서 슬롯와 팀은 두 가지 과제를 극복하기 위한 새로운 전략을 제시합니다.
- 이산화탄소를 배출하지 않는 연료인 수소의 채택을 방해하는 생산 장애물
- 더 깨끗한 수소 생산을 위한 최적의 촉매 물질을 식별하는 데 걸리는 시간
수소에 대한 장애물
환경 지속 가능성을 개선하고 청정 에너지의 가용성을 높이려는 노력은 오랫동안 수소에 집중되어 왔습니다. 그러나 수소는 종종 이산화탄소를 생성하는 화석 연료를 사용하여 생산됩니다.
수소를 생산하는 또 다른 방법은 촉매를 사용하여 무탄소 암모니아를 수소를 포함하는 원소로 분해하는 것입니다. 그러나 현재 설계된 이 접근 방식은 화석 연료와 촉매로 사용되는 고가의 희귀 금속인 루테늄에서 생산되는 많은 에너지를 사용하여 종종 달성되는 매우 높은 온도를 필요로 합니다.
장애물 제거
슬롯 팀은 기존 화학 반응보다 낮은 온도에서 수행할 수 있는 플라즈마 기술을 사용하여 암모니아를 분해하여 수소 생산의 탄소 배출량을 줄일 것을 제안합니다.s. 연구진은 또한 철-구리 또는 니켈-몰리브덴과 같이 보다 일반적으로 발견되고 저렴한 금속 합금을 촉매로 사용할 것을 제안합니다. 그들의 분석에 따르면 이 방법은 에너지를 덜 사용하고 수소 생산에 대한 현재 접근 방식과 동일하게 수행됩니다.
촉매 식별
촉매로 고려할 수 있는 3,300개 이상의 바이메탈 합금이 있으므로 실험실에서 기존 실험을 사용하여 각 합금을 테스트하려면 오랜 시행착오 기간이 필요합니다. 슬롯의 팀은 컴퓨터 모델과 인공 지능을 활용하여 플라즈마 보조 암모니아 분해에서 루테늄 촉매보다 성능이 뛰어난 지구에 풍부한 금속 합금을 식별하는 해석 가능한 기계 학습 알고리즘을 개발했습니다. 이러한 시뮬레이션과 기계 학습의 조합은 부적합한 재료를 신속하게 제거하고 풍부하고 쉽게 조달할 수 있는 비핵심 광물에서 6가지 후보를 식별함으로써 프로세스를 간소화했습니다. 실험실 테스트를 통해 금속 합금의 예상 성능이 검증되었으며 궁극적으로 연구원들은 4가지 합금을 최고의 촉매로 선택했습니다.
잠재적 응용분야
슬롯의 팀은 수소 생산에 대한 이 새로운 접근 방식이 현재 방법보다 더 저렴하고 깨끗할 가능성이 있다고 믿습니다. 또한 암모니아는 저장 및 운송이 쉽기 때문에 이 공정을 통해 선박에서 현장 수소 생산이 가능해지며, 해상 선박이 수소 연료 전지로 구동될 수 있습니다.
연구팀
체MAC(촉매 모델링 및 슬롯) 연구실WPI에서는 다중 규모 시뮬레이션과 해석 가능한 기계 학습을 결합하여 예측을 개발했습니다. 이 프로젝트에 대한 그들의 작업은 미국 에너지부의 자금 지원을 받습니다.
“다음에 출판됨자연화학공학이것은 우리 연구실의 이정표입니다."라고 슬롯는 말합니다. "우리는 화학 공정을 보다 에너지 효율적이고 환경 친화적으로 만들기 위해 컴퓨팅 및 AI 기술을 사용하여 큰 진전을 이루고 있습니다."
중국 대련 공과대학교의 연구원들이 실험실 기반 검증 실험을 수행했습니다. Northeastern University의 연구원들은 플라즈마 기술이 소형 모듈형 원자로에 구현될 때 수소 생산에 따른 비용과 탄소 배출을 줄일 수 있음을 시사하는 경제 및 환경 분석을 수행했습니다.
