Aby ograniczyć emisję gazów cieplarnianych z elektrowni i innych obiektów przemysłowych, konieczne jest wychwytywanie dwutlenku węgla. Nie znaleziono jeszcze idealnego materiału do tego celu – jednym z najbardziej obiecujących kandydatów są związki metaloorganiczne (MOF). Jest ich sporo, a o istnieniu wielu z nich nie mamy pojęcia. Aby to zmienić, naukowcy z Argonne National Laboratory korzystają z pomocy sztucznej inteligencji, co opisano w czasopiśmie Communications Chemistry.
Sztuczna inteligencja pomoże stworzyć idealne MOF
MOF składają się z centrum metalicznego, którym może być jeden lub kilka atomów metalu, a także otaczających je ligandów, którymi mogą być pojedyncze atomy niemetali i rozmaite grupy organiczne lub nieorganiczne. MOF mają w swoich cząsteczkach trzy rodzaje elementów: węzły nieorganiczne, węzły organiczne i łączniki organiczne. Można je ustawiać w różnych pozycjach i konfiguracjach. W rezultacie istnieje niezliczona ilość potencjalnych MOF, które można zaprojektować i przetestować.
Czytaj też: Substancje MOF można jednak stopić? Przełomowe odkrycie
Wykorzystując generatywną sztuczną inteligencję można “wymyślać” nieznanych wcześniej kandydatów na elementy składowe MOF, a uczenie maszynowe pozwala na wybieranie tych najlepszych. Z kolei tzw. dynamika molekularna umożliwia przeprowadzanie symulacji zachowania stworzonych związków.
Wykorzystując różne rodzaje sztucznej inteligencji, naukowcy byli w stanie szybko złożyć, składając blok po bloku, ponad 120 000 nowych kandydatów na MOF w ciągu 30 minut. Obliczenia przeprowadzili na superkomputerze Polaris w Argonne Leadership Computing Facility (ALCF). Następnie zwrócili się do superkomputera Delta, aby przeprowadzić czasochłonne symulacje dynamiki molekularnej, wykorzystując tylko najlepszych kandydatów.
Ludzie myśleli o MOF od co najmniej dwóch dekad. Tradycyjne metody zazwyczaj obejmowały syntezę eksperymentalną i modelowanie obliczeniowe z symulacjami dynamiki molekularnej. Jednak próba zbadania rozległego krajobrazu MOF w ten sposób jest po prostu niepraktyczna. Dr Eliu Huerta z Argonne National Laboratory
Wkrótce będzie możliwe skorzystanie z jeszcze bardziej zaawansowanych obliczeń. Dzięki mocy eksaskalowego superkomputera Aurora należącego do ALCF naukowcy mogą jednocześnie badać miliardy kandydatów na MOF, w tym wiele takich, które nigdy wcześniej nie były proponowane. Uczeni czerpią inspirację chemiczną z wcześniejszych prac nad projektowaniem molekularnym, aby odkryć nowe sposoby dopasowania różnych elementów składowych MOF.
Wyjście poza tradycyjne podejścia daje nadzieję na transformacyjny materiał MOF – taki, który może dobrze wychwytywać dwutlenek węgla, jest opłacalny i łatwy w produkcji.
