Модели ИИ открывают химические соединения и материалы для борьбы с глобальным потеплением

Поиск эффективных способов улавливания и хранения CO2 был проблемой для исследователей и промышленных предприятий, сосредоточенных на борьбе с глобальным потеплением, и Амир Барати Фаримани работает над тем, чтобы изменить эту ситуацию, сообщает Phys.org.

Барати Фаримани совершил прорыв, используя машинное обучение для идентификации молекул ионных жидкостей. Ионные жидкости (ИЖ) - это семейство расплавленных солей, которые остаются в жидком состоянии при комнатной температуре, обладают высокой химической стабильностью и высокой растворимостью CO2, что делает их идеальными кандидатами для хранения CO2.

Комбинация ионов в значительной степени определяет свойства ILs. Однако такие комбинаторные возможности катионов и анионов делают крайне сложной задачу исчерпать пространство дизайна ИЖ для эффективного хранения CO2 с помощью обычных экспериментов.

Машинное обучение часто используется при поиске лекарств для создания так называемых молекулярных отпечатков пальцев наряду с графовыми нейронными сетями (ГНС), которые рассматривают молекулы как графы и используют матрицу для определения молекулярных связей и связанных с ними свойств. Впервые Барати Фаримани разработал как модели ML на основе отпечатков пальцев, так и GNN, которые способны предсказать поглощение CO2 в ионных жидкостях.