.This Platform Could Change Carbon Capture Forever: PrISMa Overcomes the “Valley of Death”
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
https://www.facebook.com/junggoo.lee.9
https://www.youtube.com/@SciTechDaily
.This Platform Could Change Carbon Capture Forever: PrISMa Overcomes the “Valley of Death”
이 플랫폼은 탄소 포집을 영원히 바꿀 수 있습니다: PrISMa는 "죽음의 계곡"을 극복합니다.
주제:탄소 포집화학공학기후 변화헤리엇-와트 대학교 Heriot -Watt University 2024년 8월 10일 PrisMa 플랫폼 PrISMa 플랫폼은 탄소 포집의 다양한 관점을 강조합니다. 출처: Heriot-Watt University, 편집
과학자들은 탄소 포집 물질의 발견과 구현을 가속화하기 위해 고급 시뮬레이션과 머신 러닝을 통합한 획기적인 플랫폼인 PrISMa를 선보였습니다 . 이 플랫폼은 양자 화학과 수명 주기 평가를 포함한 포괄적인 프로세스를 통해 잠재적인 재료를 평가하여 전 세계 사례 연구에서 효과가 입증되었고 시멘트 제조와 같은 산업에서 비용을 크게 절감할 수 있습니다. 기후 변화에 대처하는 데 있어 순 제로 기술의 가장 큰 장애물은 기초 연구와 현실 세계에의 적용 간의 격차를 메우는 것입니다.
때때로 '죽음의 계곡'이라고도 불리는 이 갭은 탄소 포집 분야에서 흔히 볼 수 있는데, 여기서는 새로운 소재를 사용하여 산업 공정에서 생성된 배기 가스에서 이산화탄소를 제거합니다. 이를 통해 탄소가 대기로 유입되는 것을 방지하여 기후 변화의 영향을 완화하는 데 도움이 됩니다. 화학자들은 가능한 한 많은 이산화탄소를 포집하는 특정 목적을 가진 금속 유기 골격과 같은 수천 개의 새로운 물질을 제안하고 합성했습니다.
그러나 실험실 환경에서는 결과가 유망해 보일 수 있지만 이러한 물질이 실제 시나리오에서 얼마나 효과적인지 아는 것은 어렵습니다. 결과적으로 죽음의 계곡을 통과할 가능성은 희박합니다. 선구적인 솔루션 현재 헤리엇-와트 대학의 과학자 팀은 PrISMa(Process-Informed design of tailor-made Sorbent Materials)라는 선구적인 플랫폼을 개발했습니다.
이 플랫폼은 고급 시뮬레이션과 머신 러닝을 사용하여 구현에 앞서 가장 비용 효율적이고 지속 가능한 재료 포집 공정 조합을 찾습니다. 해당 플랫폼과 관련 연구 내용은 최근 국제적으로 유명한 저널인 ' 네이처'에 게재됐습니다. 수사나 가르시아 교수는 연구를 주도했으며 PrISMa의 프로젝트 코디네이터입니다. 그녀는 또한 스코틀랜드 에든버러에 있는 헤리엇-와트 대학교의 탄소 솔루션 연구 센터(RCCS)에서 탄소 포집, 활용 및 저장(CCUS)의 부소장이기도 합니다.
수자나 가르시아 수사나 가르시아 교수. 출처: 헤리엇-와트 대학교
그녀는 다음과 같이 설명합니다. "지난 10년 동안 CO 2를 포집할 수 있는 유망한 재료를 식별하는 데 엄청난 노력이 투자되었습니다 . "화학자들은 수천 개의 새로운 다공성 재료를 제안했지만, 우리는 어떤 재료가 탄소 포집 공정에 유망한지 빠르게 평가할 도구가 없었습니다. 이러한 재료를 평가하려면 많은 실험 데이터와 포집 공정에 대한 자세한 지식이 필요합니다. 그리고 공정의 경제성과 수명 주기 평가에 대한 신중한 평가가 필요합니다. "화학자들이 그 모든 지식을 갖기를 기대할 수는 없습니다. 바로 여기서 PrISMa가 큰 변화를 가져올 수 있습니다.
PrISMa 플랫폼은 재료, 공정 설계, 경제 분석, 수명 주기 평가를 포함한 탄소 포집의 다양한 측면을 통합하는 모델링 도구입니다. 우리는 양자 화학, 분자 시뮬레이션, 머신 러닝을 사용하여 새로운 재료에 대해 공정을 설계하는 데 필요한 모든 데이터를 예측합니다. 또는 실험실에서 합성된 재료의 실험 데이터를 사용할 수 있습니다. 그런 다음 이 플랫폼은 전 세계 60개 이상의 다양한 사례 연구에서 성능을 평가했습니다." 가르시아 교수는 다음과 같이 덧붙여 말합니다. "이 혁신적인 접근 방식은 탄소 포집을 위한 최고 성능의 소재 발견을 가속화하여 기존의 시행착오적 방법을 능가합니다.
이 플랫폼은 또한 엔지니어에게 최적의 포집 기술 설계 단계에서 경제적, 환경적으로 어려운 요인을 식별할 수 있는 옵션을 제공하여 다양한 이해 관계자에게 정보를 제공할 수 있습니다. 화학자를 위한 분자 설계 목표와 소재의 환경적 핫스팟, CO 2 생산자를 위한 지역 통합 혜택, 투자자를 위한 최상의 위치." PrISMa: 탄소 포집을 변형하는 도구 PrISMa는 이미 인상적인 결과를 내고 있으며, 이 플랫폼은 세계 여러 지역에 위치한 시멘트 공장에서 탄소 포집 기술의 구현을 정확하게 시뮬레이션하는 데 사용되었습니다.
각 위치에 적합한 재료를 찾아 이전 기술에 비해 비용을 절반으로 절감했습니다. PrISMa는 또한 사용자가 탄소 포집 응용 분야에서 1,200개가 넘는 재료의 잠재력을 탐색할 수 있는 대화형 도구를 제공합니다. 머신 러닝으로 기술적 경계 확장 Garcia 교수는 "더욱 우수한 성능의 탄소 포집 재료를 식별하면 그 중 일부를 다음 기술 준비 수준으로 끌어올릴 가능성이 높아집니다."라고 덧붙였습니다. 가르시아 교수 팀에서 머신 러닝 활동을 이끄는 박사 과정 학생인 퍼거스 맥실웨인은 "이렇게 많은 수의 재료를 스크리닝하려면 엄청난 양의 계산 시간이 필요합니다.
우리는 이 프로세스를 상당히 가속화하는 머신 러닝 모델을 개발하여 방대한 화학 설계 공간에서 비용 효율적인 재료를 발견할 수 있었습니다."라고 덧붙였습니다. PrISMa는 스위스 연방 공과대학 로잔(EPFL)과 취리히 연방 공과대학, 미국 로렌스 버클리 국립연구소와 캘리포니아 대학교 버클리, 프랑스 파리의 Institut des Matériaux Poreux de Paris의 과학자들과 협력하여 Heriot-Watt University가 주도했습니다. 이 프로젝트는 ACT Programme, Grantham Foundation for the Protection of the Environment, Industrial Decarbonisation Research and Innovation Centre(IDRIC )에서 자금을 지원받았습니다.
교수는 다음과 같이 결론지었습니다. "이 연구는 순제로 목표를 달성하기 위해 기술을 평가할 때 전체론적 접근 방식을 따라야 할 필요성을 강조합니다. 이 플랫폼은 탄소 포집 응용 프로그램을 위한 재료 발견을 가속화하고 연구 개발 노력을 규모에 맞게 달성 가능한 성과 목표에 집중시킵니다. "이 도구는 우리의 현재 산업 탈탄소화 노력에 엄청난 도움이 될 수 있습니다. 더욱 지속 가능하고 비용 효율적인 탄소 포집 솔루션에 대한 투자 전략과 정책 결정에 중요한 역할을 할 수 있습니다."
참고문헌: Charithea Charalambous, Elias Moubarak, Johannes Schilling, Eva Sanchez Fernandez, Jin-Yu Wang, Laura Herraiz, Fergus Mcilwaine, Shing Bo Peh, Matthew Garvin, Kevin Maik Jablonka, Seyed Mohamad Moosavi, Joren Van Herck, Aysu Yurdusen Ozturk, Alireza Pourghaderi, Ah-Young Song, Georges Mouchaham, Christian Serre, Jeffrey A. Reimer, André Bardow, Berend Smit, Susana Garcia의 "흡착제 기반 탄소 포집을 가속화하기 위한 전체적 플랫폼", 2024년 7월 17일, Nature . DOI: 10.1038/s41586-024-07683-8
mssoms메모 2408110350
다조건의 최적화 문제는 어떻게 해결하나? 소스1. 편집을 보면 화학자들이 요구하는 문제를 PrISMa가 큰 변화를 가져올 수 있다. PrISMa 플랫폼은 재료, 공정 설계, 경제 분석, 수명 주기 평가를 포함한 탄소 포집의 다양한 측면을 통합하는 모델링 도구이라 한다.
양자 화학, 분자 시뮬레이션, 머신 러닝을 사용하여 새로운 재료에 대해 공정을 설계하는 데 필요한 모든 데이터를 예측한다. 또는 실험실에서 합성된 재료의 실험 데이터를 사용할 수 있다.
1.
이런 PrISMa 플랫폼을 시뮬레이션이나 인공지능 없이도 예측가능한 최적화 문제풀이를 qpeoms가 할수 있다. 다조건을 충족하는 엄청난 방식의 경우수를 제공한다.
prisma.qpeoms의 개념을 간단히 소개하면, magicsum 단위을 임의로 설정하고 이를 다른 조건들의 최적화와 결합하는 방식이다. 이는 abcd..만족하는 oms와 같다.
보기1. 1=abcd
1000
0010
0100
0010
보기1.에서 1은 a,b,c,d 4가지 조건을 만족하는 oms이다. 이는 1을 4억개의 조건을 만족하는 oms로 가정해볼수도 있다. 그러면 만약에 oms의 xyz조건방식을 다르게 만들면 다조건은 만족하는 조건방식에 따라 단위만 달라지는 셈이다. 이런식의 prisma.qpeoms는 무궁무진한 다조건만족 빅플랫폼이 된다. 여기에서 중요한 점은 '단위 조건을 만들어낸다'는 점이 핵심 포인트이다. 허허.
이는 그 어떤 난제도 천문학적인 복합적인 조건의 매듭이나 꼬임도 해결하는 능동적인 단위구성 플랫폼이다. 허허. 간단한 예로 nasa의 *아르테미스 계획도 qpeoms 단위조건 플랫폼으로 수천억가지 조건만족들을 보기1의 단위화 통합접근 방식으로 간단히 문제해결할 수 있는 시각을 제공한다. 어허.
*Artemis Program은 2017년 시작된 NASA, 유럽 우주국, JAXA, 대한민국 과학기술정보통신부, 오스트레일리아, 캐나다, 이탈리아, 룩셈부르크, 영국, 아랍에미리트, 우크라이나, 뉴질랜드 등이 참여하는 유인 우주 달탐사 계획이다.
Source 1. Edit
Chemists have proposed thousands of new porous materials, but we have not had the tools to quickly evaluate which materials are promising for carbon capture processes. Evaluating these materials requires a lot of experimental data and detailed knowledge of the capture process. And careful evaluation of the economics and life cycle assessment of the process is necessary.
We cannot expect chemists to have all that knowledge. This is where PrISMa can make a big difference. The PrISMa platform is a modeling tool that integrates many aspects of carbon capture, including materials, process design, economic analysis, and life cycle assessment. We use quantum chemistry, molecular simulations, and machine learning to predict all the data needed to design processes for new materials. Alternatively, experimental data from materials synthesized in the laboratory can be used. The platform was then evaluated in over 60 different case studies around the world."
This innovative approach accelerates the discovery of the best-performing materials for carbon capture, outperforming traditional trial-and-error methods. The platform also provides engineers with the option to identify economically and environmentally challenging factors during the design phase of the optimal capture technology, which can inform a variety of stakeholders.
Molecular design targets and environmental hotspots for materials for chemists, regional integration benefits for CO2 producers, best locations for investors...etc.
mssoms memo 2408110350
How do you solve multi-criteria optimization problems? Source 1. If you look at the edit, PrISMa can make a big difference in the problems chemists are asking for. The PrISMa platform is a modeling tool that integrates various aspects of carbon capture, including materials and process design, economic analysis, and life cycle assessment.
It uses quantum chemistry, molecular simulation, and machine learning to predict all the data needed to design processes for new materials. Alternatively, you can use experimental data from materials synthesized in the lab. There is.
1.
This PrISMa platform can solve predictable optimization problems without simulation or artificial intelligence. It provides a huge number of cases that satisfy multiple conditions.
To briefly introduce the concept of prisma.qpeoms, it is a method of arbitrarily setting the magicsum unit and combining it with the optimization of other conditions. This is like oms that satisfies abcd..
Example 1. 1=abcd
1000
0010
0100
0010
In Example 1, 1 is oms that satisfies four conditions: a, b, c, and d. This can be assumed as oms that satisfies 400 million conditions. Then, if the xyz condition method of oms is different, the unit of the multiple conditions will change depending on the condition method that satisfies them. This type of prisma.qpeoms becomes a big platform that satisfies infinite multiple conditions. The important point here is that 'it creates unit conditions'. Hehe.
This is an active unit composition platform that solves any difficult problem, even knots or kinks of astronomical complex conditions. Hehe. As a simple example, NASA's *Artemis program also provides a perspective that can easily solve problems with a unit integration approach of viewing billions of condition satisfactions as a qpeoms unit condition platform. Hehe.
*Artemis Program is a manned space lunar exploration plan that started in 2017 with NASA, the European Space Agency, JAXA, the Ministry of Science and ICT of the Republic of Korea, Australia, Canada, Italy, Luxembourg, the United Kingdom, the United Arab Emirates, Ukraine, and New Zealand participating.
Example 1.
vix.a'6//vixx.a(b1,g3,k3,o5,n6)
b0acfd|0000e0
000ac0|f00bde
0c0fab|000e0d
e00d0c|0b0fa0
f000e0|b0dac0
d0f000|cae0b0
0b000f|0ead0c
0deb00|ac000f
ced0ba|00f000
a0b00e|0dc0f0
0ace00|df000b
0f00d0|e0bc0a
sample qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sample pms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
Sample msoss
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
댓글