Les scientifiques du laboratoire national d’Oak Ridge ont développé une méthode exploitant l’intelligence artificielle pour accélérer l’identification de solvants respectueux de l’environnement pour la capture industrielle du carbone, le traitement de la biomasse, les batteries rechargeables et d’autres applications. publié dans le Journal de théorie chimique et de calcul.
La recherche cible une classe de solvants connus pour être non toxiques, biodégradables, très stables, rentables et réutilisables.
Les scientifiques ont développé une méthode permettant de prédire la viscosité des solvants, une propriété clé qui a un impact sur les performances des applications industrielles. Ils ont compilé près de 5 000 points de données sur 672 solvants, évalué les caractéristiques de la chimie quantique qui guident les interactions moléculaires des solvants et déployé un algorithme appelé boosting catégorique pour analyser rapidement les données et déterminer les meilleurs candidats.
« Nous avons réduit le temps de calcul et la complexité grâce à notre approche, tout en intégrant toutes les interactions moléculaires possibles », a déclaré Mohan Mood de l’ORNL.
Michelle Kidder de l’ORNL a déclaré : « L’apprentissage automatique interprétable nous aide à concevoir des solvants avec les propriétés souhaitées pour la capture du carbone en réduisant le temps et le coût des expériences en laboratoire. »
Plus d’information:
Mood Mohan et al, Apprentissage automatique précis pour prédire les viscosités des solvants eutectiques profonds, Journal de théorie chimique et de calcul (2024). DOI: 10.1021/acs.jctc.3c01163