Автор: 
Проблема с выбросом углекислого газа стала глобальной для всего мира в силу быстро развивающейся промышленности. Заводы и фабрики строятся даже там, где раньше это было невозможно, что приводит к выбросу углекислого газа в атмосферу в огромных количествах. Учёные бьют тревогу об экологической катастрофе, так как СО2 влияет на изменение климата на Земле. Именно поэтому сегодня необходимы разработки новых, эффективных и экологически чистых систем улавливания CO2. Такой способностью обладают глубоко эвтектические растворители (DES) в состав которых могут входить спирты, органические кислоты и сахара.
Процесс образования глубоко эвтектических растворителей основан на формировании плотных водородных связей между их составляющими. Такие связи перераспределяют заряд на молекулах, что усиливает взаимодействие молекул растворителя и углекислого газа на физическом уровне, приводя к поглощению последнего. Проблема в том, что таких смесей огромное количество комбинаций и какие именно будут поглощать СО2 наилучшем образом сказать трудно. Для быстрого и правильного скрининга глубоко эвтектических растворителей различного состава, способных поглощать углекислый газ, российские учёные разработали новый алгоритм машинного обучения.
Статья с исследованием опубликована в журнале Separation and Purification Technology. Ранее уже были созданы модели, которые имели ограниченность в области их применения. Они преимущественно были построены на базе данных DES и физически поглощали СО2, но охватывали лишь небольшую часть возможных структур акцепторов водородных связей (HBA) и доноров водородных связей (HBD). Учёные решили поменять подход к данным моделям, расширив количество химических структур, используемых при их обучении.
В процессе разработки исследователи использовали несколько моделей машинного обучения, которые изучали и оценивали различные физико-химические свойства жидкостей для потенциальных DES в качестве поглотителя СО2. Сначала была построена модель машинного обучения, прогнозирующая поглощение углекислого газа в DES. На основе полученных данных учёные расширили химическое разнообразие структур DES, способных поглощать СО2. В результате были созданы две модели машинного обучения: первая — для прогнозирования растворения СО2 в DES и вторая — для определения температуры плавления новых комбинаций полученных смесей.
Для лучшего понимания растворимости в смесях HBD и HBA был собран комплексный набор данных различных химических структур, который использовали в процессе обучения модели. Разработанную модель машинного обучения авторы использовали для анализа ещё не изученных DES. В результате модель выбрала к имеющимся на сегодняшний день соединениям ещё 1447 вариантов смесей, которые связывали углекислый газ с эффективностью более 30 мольных процентов.
