Laura Murdock, un doctorant à l'Université de Caroline du Sud, montre un film polymère qu'elle a fabriqué selon une conception chimique prescrite par l'apprentissage automatique. Le film a surpassé toutes les membranes connues utilisées pour séparer le dioxyde de carbone et le méthane, démontrant que l'apprentissage automatique peut aider les chimistes à développer plus rapidement de nouveaux matériaux. Crédit :Laura Murdock / Université de Caroline du Sud
Des scientifiques de l'Université de Caroline du Sud et de l'Université Columbia ont mis au point un moyen plus rapide de concevoir et de fabriquer des membranes filtrant les gaz qui pourraient réduire les émissions de gaz à effet de serre et la pollution.
Leur nouvelle méthode, publié aujourd'hui dans Avancées scientifiques , associe l'apprentissage automatique à la chimie de synthèse pour concevoir et développer plus rapidement de nouvelles membranes de séparation de gaz. Des expériences récentes appliquant cette approche ont abouti à de nouveaux matériaux qui séparent les gaz mieux que toute autre membrane filtrante connue.
La découverte pourrait révolutionner la façon dont les nouveaux matériaux sont conçus et créés, Brian Benicewicz, le professeur de chimie SmartState de l'Université de Caroline du Sud, mentionné.
"Cela supprime les conjectures et l'ancien travail d'essais et d'erreurs, ce qui est très inefficace, " Benicewicz a déclaré. "Vous n'avez pas besoin de fabriquer des centaines de matériaux différents et de les tester. Maintenant, vous laissez la machine apprendre. Cela peut affiner votre recherche."
Des films plastiques ou des membranes sont souvent utilisés pour filtrer les gaz. Benicewicz a expliqué que ces membranes souffrent d'un compromis entre la sélectivité et la perméabilité - un matériau qui laisse passer un gaz est peu susceptible d'arrêter une molécule d'un autre gaz. "Nous parlons de très petites molécules, " Benicewicz a déclaré. "La différence de taille est presque imperceptible. Si vous voulez beaucoup de perméabilité, vous n'obtiendrez pas beaucoup de sélectivité."
Benicewicz et ses collaborateurs de l'Université Columbia voulaient voir si les mégadonnées pouvaient concevoir une membrane plus efficace.
L'équipe de l'Université de Columbia a créé un algorithme d'apprentissage automatique qui a analysé la structure chimique et l'efficacité des membranes existantes utilisées pour séparer le dioxyde de carbone du méthane. Une fois que l'algorithme a pu prédire avec précision l'efficacité d'une membrane donnée, ils ont renversé la question :quelle structure chimique ferait la membrane de séparation de gaz idéale ?
Sanat K. Kumar, le professeur Bykhovsky de génie chimique à Columbia, comparé à la méthode de Netflix pour recommander des films. En examinant ce qu'un téléspectateur a déjà regardé et aimé, Netflix détermine les fonctionnalités que le spectateur apprécie, puis trouve des vidéos à recommander. Son algorithme a analysé les structures chimiques des membranes existantes et déterminé quelles structures seraient les plus efficaces.
L'ordinateur a produit une liste de 100 matériaux hypothétiques qui pourraient dépasser les limites actuelles. Benicewicz, qui dirige un groupe de recherche en chimie synthétique, identifié deux des structures proposées qui pourraient vraisemblablement être réalisées. Laura Murdock, un doctorat de l'UofSC. étudiant en chimie, a fabriqué les polymères prescrits et les a coulés en films minces.
Lorsque les membranes ont été testées, leur efficacité était proche de la prédiction de l'ordinateur et bien au-dessus des limites présumées.
« Leur performance était très bonne, bien meilleure que ce qui avait été fait auparavant, " Murdock a déclaré. "Et c'était assez facile. Il a le potentiel pour une utilisation commerciale."
La séparation du dioxyde de carbone et du méthane a une application immédiate dans l'industrie du gaz naturel; CO
Benicewicz a déclaré que l'apprentissage automatique pourrait aider les scientifiques à concevoir de nouvelles membranes pour séparer les gaz à effet de serre du charbon, qui peut aider à réduire le changement climatique.
"Ce travail pointe ainsi vers une nouvelle façon de concevoir les matériaux, " a déclaré Kumar. " Plutôt que de tester tous les matériaux qui existent pour une application particulière, vous recherchez la partie d'un matériau qui répond le mieux à vos besoins. Lorsque vous combinez les meilleurs matériaux, vous avez la possibilité de concevoir un meilleur matériau."
