Il progresso tecnologico e la proliferazione dei dati hanno considerato l’innovazione guidata dall’intelligenza artificiale (AI) come un’opportunità di crescita per lo sviluppo di materiali innovativi per applicazioni speciali, in particolare nel campo della separazione dei gas. Una delle principali sfide associate a questo processo sono i diametri cinetici estremamente vicini delle due molecole di gas, con conseguente bassa selettività della membrana.
In uno studio pubblicato su Green Chemical Engineering , un gruppo di ricercatori cinesi ha ideato un nuovo approccio per esplorare materiali con una maggiore efficienza di estrazione dell'elio, con l'aiuto dell'intelligenza artificiale.
In particolare, i ricercatori hanno studiato le relazioni struttura-prestazioni, chiarito i meccanismi di separazione e identificato fattori cruciali che influenzano le prestazioni di separazione per progettare membrane basate su struttura metallo-organica (MOF). Il diametro limitante dei pori (PLD) e la frazione dei vuoti (φ) si sono rivelati le caratteristiche fisiche più importanti per determinare rispettivamente la selettività della membrana e la permeabilità all'elio.
"Lo sviluppo dei materiali tradizionali deve affrontare dei limiti, ma l'intelligenza artificiale sta rivoluzionando il campo", afferma Zhengqing Zhang, ricercatore principale dello studio. "Il nostro approccio non solo rivela meccanismi nascosti ma scopre anche nuove intuizioni."
Il team spera che i risultati incoraggino gli scienziati a continuare a studiare l'intersezione tra intelligenza artificiale e scienza dei materiali, aprendo le porte a progressi tecnologici senza precedenti.
Ulteriori informazioni: Shitong Zhang et al, Indagine supportata dall'apprendimento automatico sulla correlazione struttura-prestazioni di MOF per He/H2 basato su membrana separazione, ingegneria chimica verde (2024). DOI:10.1016/j.gce.2024.01.005
Fornito da KeAi Communications Co.
