数据驱动的工作流程使工程生物炭的碳捕获性能加倍
气候变化提出了严峻的全球挑战。开发高效的碳捕获与封存(CCS)技术是缓解气候变化的有效途径。使用生物质废物衍生的工程生物炭进行碳捕获是 CCS 技术的一个有前途的途径。然而，工程生物炭的最佳合成是一个耗时和资源密集的过程。研究人员现已设计出一种主动学习策略，可加速开发具有增强 CO 2吸收的高性能工程生物炭。
在一项突破性的开发中，研究人员释放了生物质废物衍生的工程生物炭在前所未有的 CO 2捕获方面的潜力，为先进的气候变化缓解和可持续废物管理解决方案铺平了道路。
尽管生物炭在应对环境挑战方面具有公认的优势，但其增强性能的最佳合成长期以来一直受到时间和劳动力密集型工艺的阻碍。为了应对这一挑战，专家团队推出了一种创新的主动学习策略，旨在指导和加速生物炭的合成，同时显着提高其CO 2吸附性能。
该研究团队由APRU可持续废物管理项目主席兼项目主任Yong Sik Ok教授领导，与东南大学袁相洲教授、苏黎世联邦理工学院Javier Pérez-Ramírez教授和来自苏黎世联邦理工学院的王晓楠教授合作。清华大学。他们的方法利用实验数据来推荐最佳合成参数，重点是最大化工程生物炭的狭窄微孔体积——这是其CO 2吸附性能的关键因素。这项工作《Active Learning-Based Guided Synthesis of Engineered Biochar for CO 2 Capture 》被选为封面，是所有 ACS 期刊的特色封面。
主动学习策略通过实验测试得到严格验证，并迭代地利用数据进行后续模型训练和重新验证。这一迭代过程建立了一个闭环，在三个主动学习周期内合成了 16 个具有特定特性的工程生物炭样品。令人印象深刻的是，到最后一轮，CO 2 的吸收量几乎翻了一番，展示了这种数据驱动方法的变革性影响。
“我们采用的主动学习策略不仅加速了工程生物炭的合成，而且最大限度地提高了其 CO 2吸附能力。这种创新方法有可能重塑生物质废物衍生材料的格局，为开发具有更广泛应用的高性能生物炭提供数据驱动的工作流程，”Ok 教授说。
这项研究引入了开创性的数据驱动工作流程，不仅加速了高性能工程生物炭的开发，而且还扩展了其作为功能化材料的应用。这一突破为应对气候变化和推进可持续废物管理实践带来了重大希望，标志着迈向更加环保的未来的关键一步。
“我们的研究中描述的主动学习周期体现了我们对创新方法的奉献。正如我们最近在领先期刊上发表的文章所反映的那样，通过合作和对可持续实践的承诺，我们可以推动有意义的变革。 ”袁教授说。
版权声明：本文由用户上传，如有侵权请联系删除！