碳捕集技术对于减少发电厂和其他工业设施的温室气体排放至关重要。然而，长期以来，科学界一直在寻找一种
经济
、高效
且
环保的碳捕集材料
，这是推动碳捕集行业发展的关键。而在这场技术
创新浪潮
中，金属
-
有机框架（
MOFs
）以其独特的结构和性能，正成为科学家们瞩目的焦点。
MOF
s
是一种多孔材料，
它的结构由金属中心（通常是过渡金属离子）与有机配体（通常是含氧、氮等功能基团的有机分子）通过配位键连接而成。这种结构形成了大量的孔道和孔隙，使得
MOFs
具有高比表面积和可调控的孔径尺寸
。
通过调控孔道结构可以选择性的吸附不同类型的气体分子。
MOFs
分子中
的
无机节点、有机节点和有机连接体可以以不同的相对位置和配置进行排列
，
因此
理论上
科学家可以设计和测试无数种潜在的
MOF
配置。
为了快速有效地确定哪些
MOF
配置具有高效碳捕集能力，由美国能源部阿贡国家实验室、伊利诺伊大学厄巴纳
-
香槟分校（
UIUC
）、伊利诺伊大学芝加哥分校和芝加哥大学的研究人员组成的团队正在利用生成式
AI
技术来构建新型
MOF
s
材料。借助这一先进技术，该团队成功组装了超过
12
万个新的
MOF
s
材料。
人工智能预测确定的
二氧化碳捕集
MOFs
结构
（
图片来源：
Xiaoli Yan/
伊利诺伊大学芝加哥分校和
ALCF
可视化与数据分析团队
）
这些新设计的
MOFs
随后经历了严格的测试流程，以确保其
合成可行性
、
化学稳定性和吸附性能。
经过层层筛选，团队最终确定了
6
种结构稳定且吸附能力高于
2mmol/g
的优质
MOFs
材料。值得一提的是，整个构建和测试流程可在
12
小时内完成，这得益于
超级计算机和
人工智能技术的强大助力。
上述优选
的
MOF
s
结构不仅可以在实验室中合成并进行实际碳捕集实验，而且还可以通过计算测试数据反馈到人工智能模型中，进一步优化和改进下一代
MOF
s
材料的设计。这种迭代优化的方法有望进一步提高碳捕集材料的性能，降低生产成本，并为实现可持续的碳捕集技术提供有力支持。
图
研究筛选出的
6
种
碳捕集
MOFs
晶体结构
（
Hyun Park et al
., 2024
）
此项研究表明，
人工智能在
碳捕集
MOF
s
材料的设计和筛选过程中
能够发挥
关键作用，极大地缩短了研发周期并提高了材料的性能。
该研究不仅提升了
MOF
s
材料在碳捕集领域的关注度，更为寻求经济、高效且环保的碳捕集方案提供了新的可能，为全球共同应对气候变化挑战贡献了新的解决思路。
参考信息来源
1.
https://phys.org/news/2024-02-scientists-ai-materials-carbon-capture.html
2.
https://today.uic.edu/researchers-generate-a-carbon-capture-breakthrough-using-ai-physics-and-supercomputers/
3.
Hyun Park et al,
A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture, Communications Chemistry (2024). DOI: 10.1038/s42004-023-01090-2
