基于主动学习的指导合成工程生物炭用于CO2捕获
Xiangzhou Yuan1,2, Manu Suvarna3, Juin Yau Lim2
1Ministry of Education of Key Laboratory of Energy Thermal Conversion and Control, School of Energy and Environment, Southeast University, Nanjing 210096, China.
Environmental science & technology
|March 18, 2024
概括
积极的学习策略加速了从生物质废物中合成的工程生物炭的合成,以提高二氧化碳 (CO2) 捕获的速度. 这种数据驱动的方法几乎使生物炭材料的二氧化碳吸收增加了一倍,有助于缓解气候变化.
科学领域:
- 材料科学 材料科学 材料科学
- 环境科学 环境科学
- 化学工程是化学工程的重要组成部分.
背景情况:
- 来自生物质废物的工程生物炭为二氧化碳 (CO2) 捕获和废物管理提供了可持续的解决方案.
- 为高二氧化碳吸附能力优化生物炭合成是具有挑战性的,因为时间和劳动强度.
研究的目的:
- 制定一个积极的学习策略,以加快工程生物炭的合成,提高二氧化碳吸附能力.
- 为了最大限度地提高生物炭的狭窄微孔体积,这与二氧化碳吸附线性相关.
主要方法:
- 采用了主动学习框架,从实验数据中代学习,以推最佳合成参数.
- 积极学习预测和代再培训的实验验证建立了一个闭环系统.
- 16个工程生物碳样本在三个活跃学习周期中合成.
主要成果:
- 积极学习策略成功指导了合成过程,导致二氧化碳吸收的显著改善.
- 在最后一轮的积极学习中,二氧化碳吸附能力几乎翻了一番.
- 一个数据驱动的工作流被证明可以加速高性能工程生物炭的开发.
结论:
- 积极学习提供了一种优化工程生物碳合成以提高二氧化碳捕获的有效方法.
- 这种方法加速了用于减缓气候变化和废物管理的功能性材料的开发.
- 开发的工作流显示了在材料设计和发现中更广泛应用的潜力.


