包含韩国研究人员在内的国际联合研究团队成功找到一种纳米多孔材料,可在低成本的燃烧前工序中高效捕集煤气化联合循环发电时排放的二氧化碳。
该材料预计将有助于减少中长期全球变暖的元凶——二氧化碳的排放。
釜山大学(校长全虎焕)18日表示,以化工生命工学部教授郑用哲(见图)为核心的国际联合研究团队,成功发现了一种纳米多孔有机金属骨架材料,可在燃烧前工序中高效捕集煤气化发电(将煤气化以生产电力的煤气化联合循环发电)所排放的二氧化碳。
该研究成果于14日以“In silico discovery of metal-organic frameworks for precombustion CO₂ capture via genetic algorithm”为题,发表在《Science Advances》网络版上。
二氧化碳捕集技术是指在化石燃料产生的二氧化碳排入大气之前将其提取,再加压使其变为液态加以储存的技术。
捕集的二氧化碳会被运输并在地下深处进行地质封存(geological sequestration),或被用于提高石油钻采效率。
作为此类捕集装置所用的材料,属于固体吸附剂之一的有机金属骨架材料(MOF·Metal-Organic Framework)正备受关注。
二氧化碳捕集技术大致分为燃烧后捕集技术(post-combustion technology)、燃烧前捕集技术(pre-combustion technology)和氧燃烧技术(oxy-fuel combustion technology)。
捕集燃烧后排放气体中所含二氧化碳的“燃烧后捕集技术”是最易应用于既有工序的技术,此前的研究成果一直集中于发现适合该技术的固体吸附剂。
但在考虑二氧化碳捕集的情况下,从二氧化碳捕集成本、发电成本等方面看,采用“燃烧前捕集技术”的煤气化联合循环发电(IGCC·Integrated Gasification Combined Cycle)作为下一代煤电更具优势。
因此,迫切需要开发符合可应用于煤气化联合循环电厂的燃烧前捕集技术的温度、压力、气体组成的固体吸附剂。
MOF(有机金属骨架材料)是由有机配体(organic ligand)与金属离子(metal ion)组合而成的三维结构体,迄今通过实验组合并向学界报告的数量已超过6000个。
理论上已知可组合出数百万个以上的MOF。
要在如此众多的MOF中找出适合燃烧前捕集的MOF,存在必须对每一种MOF的性能逐一进行实验测试的困难。
但如果能通过计算机精确预测给定MOF的性能,就能大幅减少实验所投入的资源和时间,因此基于模拟预测MOF性能、再通过实验加以验证的研究正在活跃进行。
研究团队利用名为“大规模分子计算模拟”的计算机方法论,在计算机上预先预测众多MOF的性能,并成功从中新发现了适用于燃烧前二氧化碳捕集技术、名为“NOTT-101/OEt”的MOF。
此次发现的NOTT-101/OEt,其二氧化碳吸附量比在既有燃烧前二氧化碳捕集条件下实验的MOF中性能最佳的Mg-MOF-74高出60%以上。
若将该材料用于燃烧前二氧化碳捕集装置,则能以更低成本捕集大量二氧化碳,有助于减少二氧化碳排放。
此外,研究团队利用机器学习方法之一的遗传算法(genetic algorithm),将通过计算机预测MOF性能所需的计算资源(CPU时间)缩短至百分之一。
既有的大规模分子计算模拟方法采用所谓“brute force”方式,投入大量计算资源(CPU时间)来计算所有MOF材料的性能。
但由于绝大多数MOF性能不佳,通过brute-force方法计算迄今已知所有MOF的性能,可以说是对计算资源的低效使用。
研究团队应用遗传算法(genetic algorithm),使得能够更高效地探索MOF的“材料空间(material space)”,从而大幅减少了发现新MOF材料所耗用的计算资源。
对此,主持该研究的釜山大学化工生命工学部教授郑用哲表示:“本次研究是一个很好的范例,展示了科学家和工程师如何通过机器学习方法与计算模拟方法的结合,在计算机上高效探索材料”,“今后将通过与实验研究团队的合作,持续开展有关开发可减少全球变暖元凶二氧化碳及细颗粒物的吸附剂的研究。”
/釜山=记者 赵元镇 bscity






