佐治亚理工学院的研究人员发明的一种新型聚合物膜可以重塑炼油厂加工原油的方式，大大减少所需的能源和水，同时提取更有用的材料。

《自然材料》杂志报道了所谓的DUCKY聚合物(稍后会详细介绍这个不寻常的名称)。对于佐治亚理工学院的化学家、化学工程师和材料科学家团队来说，这只是一个开始。他们还创建了人工智能工具来预测此类聚合物膜的性能，这可以加速新聚合物膜的开发。

其影响是显而易见的：原油成分的初始分离消耗了全球约1%的能源。此外，研究人员正在开发的膜分离技术可能有多种用途，从生物燃料和可生物降解塑料到纸浆和纸制品。

“我们正在建立概念，然后可以将其用于不同的分子或聚合物，但我们将它们应用于原油，因为这是目前最具挑战性的目标，”学校教授兼詹姆斯·A·卡洛斯家族主席MGFinn说化学和生物化学。

原始状态的原油含有数千种化合物，必须经过加工和精炼才能生产有用的材料——天然气和其他燃料，以及塑料、纺织品、食品添加剂、医疗产品等。压榨出有价值的东西涉及数十个步骤，但首先是蒸馏，这是一个水和能源密集型的过程。

研究人员一直在尝试开发膜来完成这项工作，过滤掉所需的分子并跳过所有的沸腾和冷却。

“原油对于生活的几乎所有方面来说都是极其重要的原料，大多数人不会考虑它是如何加工的，”化学与生物分子工程学院的ThomasC.DeLoachJr.教授瑞安·莱弗利(RyanLively)说。“这些蒸馏系统是大量的水消耗者，而膜根本不是。它们不使用热量或燃烧。它们只使用电力。如果你愿意的话，表面上你可以通过风力涡轮机运行它。这只是一个根本不同的方法进行分离的方式。”

该团队的新膜配方之所以如此强大，是因为新的聚合物系列。研究人员使用了一种称为螺环单体的结构单元，这些单体以具有大量90度转弯的链组装在一起，形成一种不易压缩的扭结材料，并形成选择性结合并允许所需分子通过的孔。这些聚合物不是刚性的，这意味着它们更容易大量生产。它们还具有良好控制的灵活性或移动性，允许正确的过滤结构的孔随着时间的推移而变化。

DUCKY聚合物是通过化学反应产生的，很容易以可用于工业目的的规模生产。这是一种获得诺贝尔奖的反应家族，称为点击化学，这就是聚合物名称的由来。该反应称为铜催化叠氮化物-炔环加成反应，缩写为CuAAC，发音为“quack”。因此：DUCKY聚合物。

单独来看，聚合物膜的三个关键特性并不新鲜。芬恩说，正是它们独特的组合使它们新颖而有效。

该研究小组包括埃克森美孚的科学家，他们发现了这种膜的有效性。该公司的科学家们提取了最原始的原油成分——蒸馏过程后留在底部的污泥——并将其推过其中一个膜。该过程提取了更有价值的材料。

“这实际上是许多加工原油的人的商业案例。他们想知道自己能做什么新的事情。膜可以制造出蒸馏塔不能制造的新东西吗?”活活说道。“当然，我们的秘密动机是减少能源、碳和水足迹，但如果我们能够同时帮助他们生产新产品，那就是双赢。”

预测此类结果是团队人工智能模型发挥作用的一种方式。最近发表在《自然通讯》上的一项相关研究上的一项相关研究中，Lively、Finn和RampiRamprasad佐治亚理工学院实验室的研究人员描述了使用机器学习算法和质量传输模拟来预测聚合物膜在复杂分离中的性能。

材料科学与工程学院教授兼MichaelE.Tennenbaum家族主席Ramprasad表示：“我认为，整个管道是一项重大发展。这也是迈向实际材料设计的第一步。”“我们称其为‘前​​向问题’，意思是你有一种材料和混合物进入，结果是什么?这是一个预测问题。我们最终想要做的是设计能够实现特定目标渗透性能的新聚合物。”

Ramprasad表示，像原油这样的复杂混合物可能含有数百或数千种成分，因此用数学术语准确描述每种化合物、它如何与膜相互作用以及推断结果“并非易事”。

训练算法还涉及梳理所有有关溶剂通过聚合物扩散的实验文献，以构建庞大的数据集。但是，拉姆普拉萨德说，就像膜本身重塑精炼的潜力一样，提前了​​解拟议的聚合物膜的工作原理将加速目前基本上是反复试验的材料设计过程。

“默认方法是制作材料并进行测试，这需要时间。这种数据驱动或基于机器学习的方法以非常有效的方式使用过去的知识，”他说。“它是一个数字合作伙伴：你不能保证准确的预测，因为该模型受到你用来训练它的数据所跨越的空间的限制。但它可以进行一点推断，并且可以带你走向新的方向，潜在的.你可以通过搜索广阔的化学空间来进行初步筛选，并预先做出进行或不进行的决定。”

莱弗利表示，他长期以来一直对机器学习工具处理他所处理的复杂分离问题的能力持怀疑态度。

“我总是说，‘我认为你无法预测通过聚合物膜传输的复杂性。系统太大;物理学太复杂。做不到。’”

但后来他遇到了兰普拉萨德：“兰皮和我与几个本科生一起尝试，而不是仅仅成为一个反对者，建立了这个大数据库，然后。实际上，你可以做到，”莱弗利说。

开发人工智能工具还涉及将算法的预测与实际结果进行比较，包括使用DUCKY聚合物膜。实验表明，AI模型的预测与实际测量值的误差在6%到7%以内。

“这太令人惊讶了，”芬恩说。“我的职业生涯一直致力于预测分子将要做什么。机器学习方法以及Rampi对其的执行是完全革命性的。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：