新型混合QSPR-GPR方法用于模拟使用深度环氧溶剂捕获二氧化碳的方法
Iman Salahshoori1,2,3, Alireza Baghban4, Amirhosein Yazdanbakhsh5
1Discipline of Chemical Engineering, School of Engineering, University of KwaZulu-Natal, Howard College Campus King George V Avenue Durban 4041 South Africa.
RSC advances
|October 16, 2023
概括
一个不断发展的混合模型准确地预测了二氧化碳 (CO2) 在深层欧特克溶剂 (DES) 中的溶解度. 该工具有助于优化DES以实现高效的碳捕获和利用,支持可持续技术.
科学领域:
- 化学工程是化学工程的重要组成部分.
- 计算化学计算化学
- 材料科学 材料科学 材料科学
背景情况:
- 深度环氧溶剂 (DES) 在碳捕获和利用 (CCU) 方面表现有前途.
- 在DES中准确预测二氧化碳溶解度对于过程优化至关重要.
- 当前的预测模型可能缺乏对各种DES应用的准确性或适应性.
研究的目的:
- 开发一种混合的定量结构-属性关系和高斯过程回归 (QSPR-GPR) 模型,用于预测DES中的二氧化碳溶解度.
- 提高预测模型在DESs中的二氧化碳溶解度的准确性和适应性.
- 为CCU提供一个用于设计和优化DES溶剂系统的工具.
主要方法:
- 开发了一个不断发展的混合QSPR-GPR模型,结合了分子描述符和结构特征.
- 使用实验性CO2可溶性数据在各种DES成分和温度上训练模型.
- 根据广泛的实验数据验证了模型的性能,并将其与单个QSPR和GPR模型进行比较.
主要成果:
- 与独立的QSPR和GPR模型相比,混合QSPR-GPR模型在预测二氧化碳溶解度方面表现出卓越的准确性.
- 该模型在不同的热力学条件下有效地捕捉了复杂的CO2-DES相互作用.
- 该模型在适应新的实验数据和不同的DES配方方面表现出了多功能性.
结论:
- 不断发展的混合QSPR-GPR模型是一种强大而准确的工具,用于预测DES中的二氧化碳溶解度.
- 这种预测能力为优化碳捕获技术中的DES提供了宝贵的见解.
- 该模型支持开发用于温室气体减排的可持续解决方案.
