Afin d'aider à prévenir la crise climatique, la réduction active du CO₂ déjà émise est essentielle. En conséquence, la capture de l'air direct (DAC) – une technologie qui extrait directement uniquement de l'air – est attirée. Cependant, la capture efficace du co₂ pur n'est pas facile en raison de la vapeur d'eau (H₂o) présente dans l'air.
Les chercheurs kaist ont utilisé avec succès des techniques d'apprentissage automatique sur l'IA pour identifier les matériaux de capture de co₂capturation les plus prometteurs parmi les cadres métal-organiques (MOF), une classe clé de matériaux étudiés pour cette technologie.
L'équipe de recherche, dirigée par le professeur Jihan Kim du Département de génie chimique et biomoléculaire, en collaboration avec une équipe de l'Imperial College London, a publié ses recherches dans la revue Matière.
La difficulté de découvrir des matériaux à haute performance est due à la complexité des structures et aux limites de prédiction des interactions intermoléculaires. Pour surmonter cela, l'équipe de recherche a développé un champ de force d'apprentissage automatique (MLFF) capable de prédire précisément les interactions entre le CO₂, l'eau (H₂o) et les MOF. Cette nouvelle méthode permet des calculs des propriétés d'adsorption du MOF avec une précision au niveau de la mécanique quantique à des vitesses beaucoup plus rapides qu'auparavant.
En utilisant ce système, l'équipe a dépisté plus de 8 000 structures MOF synthétisées expérimentalement, identifiant plus de 100 candidats prometteurs pour la capture du CO₂. Cela comprenait notamment de nouveaux candidats qui n'avaient pas été découverts par des simulations traditionnelles basées sur le champ de force. L'équipe a également analysé les relations entre la structure chimique du MOF et les performances d'adsorption, proposant sept caractéristiques chimiques clés qui aideront à concevoir de nouveaux matériaux pour le DAC.
Cette recherche est reconnue comme une avance significative dans le champ DAC, améliorant considérablement la conception et la simulation des matériaux en prédisant avec précision les interactions MOF-Co₂ et MOF-H₂O.
