(資料圖片僅供參考)

阿卜杜拉國王科技大學 (King Abdullah University of Science and Technology, KAUST)開發了一種基于機器學習的逆向混合設計的方法，可以教計算機識別混合物成分，并根據混合物成分的屬性自主設計新的組合，創建新的混合物。這將有助于創建高性能的運輸燃料，在使燃料充分燃燒的同時減少向大氣中排放的二氧化碳。

溫室氣體排放是導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氫化合物燃料的燃燒。解決這個環境問題的一個有效辦法是設計出能提供高效燃燒和低量排放的運輸燃料。

研究小組的博士生Nursulu Kuzhagaliyeva說：“關鍵的難點是需要篩選含有數百種成分的復雜混合物，以此預測混合物的各個成分對結果混合物的作用和影響。”

Kuzhagaliyeva、Sarathy和同事們構建了一個深度學習模型以有效地篩選燃料。在逆向設計方法中，研究人員首先定義了與燃燒有關的屬性，如燃料的燃點質量和煙塵傾向，然后根據這些屬性確定潛在的燃料。公開可用的實驗數據非常少。因此，研究人員利用文獻中的實驗測量數據建立了一個廣泛的數據庫來訓練模型。該數據庫包括不同類型的純化合物、代用燃料混合物和復雜的混合物，如汽油。受文本處理技術的啟發，他們引入了一個混合算子，通過線性組合直接連接純化合物和混合物的隱性表示，將單詞與短語聯系起來。此外，他們還增加了搜索算法，以檢測在化學空間內符合預定屬性的燃料混合物。

該模型準確地預測了各種分子和混合物的燃點質量和燃煙傾向，它還確定了幾種符合預定標準的燃料混合物。

該團隊現在正通過將屬性數據庫擴展到其他標準，如揮發性、粘度和污染物形成，來提高模型的準確性。該工具正被推進到制定汽油電子燃料和合成航空燃料。Kuzhagaliyeva說：“我們正在開發一個云平臺，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"，已發表在Communications Chemistry (2022)上。主要作者為KAUST的博士生Nursulu Kuzhagaliyeva。

前瞻經濟學人APP資訊組

參考資料： DOI: 10.1038/s42004-022-00722-3

更多本行業研究分析詳見前瞻產業研究院《2017-2022年中國綠色碳帶行業市場需求與投資規劃分析報告》同時前瞻產業研究院還提供產業大數據、產業研究、政策研究、產業鏈咨詢、產業圖譜、產業規劃、園區規劃、產業招商指南、IPO募投可研、IPO業務與技術撰寫、IPO工作底稿咨詢等解決方案。

標簽： 人工智能 運輸燃料 綠色發展