隨著全球工業化進程的加速,溫室氣體排放量持續增加的問題引起了人們的廣泛關注。CO2作為一種最主要的溫室氣體,其排放是導致全球變暖和一系列環境問題的主要原因。因此,開發有效的CO2捕獲技術是減緩氣候變化的重要手段。在眾多CO2捕獲技術中,離子液體(ILs)因其獨特的物理化學性質,如高熱穩定性、低揮發性和可調的化學結構,顯示出巨大的潛力。離子液體能夠通過調整陽離子和陰離子的組合來優化其對CO2的吸收能力。然而,傳統的離子液體創新方法既耗時又昂貴,這限制了離子液體在CO2捕獲應用中的快速發展。
為了克服這一挑戰,科學家們開始嘗試建立新的計算方法,達到預測和設計具有理想性質ILs的目的。這些方法包括基于機器學習的定量結構-性質關系(QSPR)模型和生成模型。QSPR模型能夠利用已知的離子液體數據來預測其物理化學性質,而生成模型則能夠探索新的化學空間,創造出具有所需特性的新離子液體結構。在這一背景下,韓國延世大學的Hocheol Lim提出了一種名為評分輔助生成探索(SAGE-IL)的新方法,用于設計和優化離子液體。通過結合深度學習生成模型和QSPR模型的SAGE-IL方法,不僅能夠快速生成具有特定性質的離子液體,還能夠通過迭代的生成和評估過程優化離子液體的多重性質。
默尼化工科技(上海)有限公司
致力于離子液體(ILs)研發生產、應用推廣和全球銷售,擁有自主知識產權生產技術,產品質量和一致性因此得到保障,Tel:021-38228895
咨詢熱線