Kimyəvi ayırma, o cümlədən qazın ayrılması istehsal və tədqiqat üçün tələb olunan ümumi prosesdir. O, ABŞ-ın enerji istehlakının 15%-ni təşkil edir və milyonlarla ton karbon emissiyası istehsal edir.

Qazları membranlardan keçirərək ayırmaq mövcud üsullara səmərəli, ekoloji cəhətdən təmiz alternativ ola bilər – əgər onları hazırlamaq üçün lazımi materiallar tapılsa.

Qrafikə əsaslanan maşın öyrənmə yanaşmasını tətbiq edərək, Notr-Dam Universitetində kimya və mexaniki mühəndislər və kompüter alimləri qrupu qazları əvvəllər sintez edilmiş membranlardan 6,7 dəfə daha effektiv şəkildə ayıra bilən polimer membranları kəşf edib, sintez edib və sınaqdan keçirib.

Onların nəticələri Cell Reports Physical Science jurnalında dərc olunub .

Frank M. Freimann Kollecinin Mühəndislik Professoru Ruilan Quonun laboratoriyasının doktorantı Agboola Suleiman, ” Membranın performansını müəyyən edən şey materialın mikroskopik məsaməliliyidir” dedi.

“İdeal membran materialı seçicilik və keçiricilik arasında tarazlıq yaradır – qazları içəri buraxmaq üçün kifayət qədər keçirici, lakin bəzilərini buraxmaq üçün kifayət qədər seçicidir” dedi kağızın həmmüəllifi Süleyman.

Bu Goldilocks materialını müəyyən etmək üçün komanda, materialın molekulyar strukturunu və onun digər molekullarla əlaqəsini təmsil etmək üçün xüsusilə uyğun olan maşın öyrənmə növü olan qrafik neyron şəbəkələrindən (GNN) istifadə etdi. Məlumat dəstləri üzərində təlim keçdikdən sonra GNN əvvəllər sintez edilmiş membranları üstələmək üçün düzgün xassələrə malik iki polimer müəyyən etdi.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=135&slotname=8188791252&adk=2329133447&adf=2996406042&pi=t.ma~as.8188791252&w=540&abgtt=6&fwrn=4&lmt=1722678301&rafmt=11&format=540×135&url=https%3A%2F%2Fphys.org%2Fnews%2F2024-08-machine-hidden-gem-materials-free.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTAuMC4wIiwieDg2IiwiIiwiMTI3LjAuNjUzMy44OSIsbnVsbCwwLG51bGwsIjY0IixbWyJOb3QpQTtCcmFuZCIsIjk5LjAuMC4wIl0sWyJHb29nbGUgQ2hyb21lIiwiMTI3LjAuNjUzMy44OSJdLFsiQ2hyb21pdW0iLCIxMjcuMC42NTMzLjg5Il1dLDBd&dt=1722678300524&bpp=2&bdt=831&idt=785&shv=r20240731&mjsv=m202407290101&ptt=9&saldr=aa&abxe=1&cookie=ID%3D4affe4131dd5dd5c%3AT%3D1721801852%3ART%3D1722625366%3AS%3DALNI_MbUC-Ae2mgUQk_YcX7zH0MS_3PKkA&eo_id_str=ID%3D88459bb7dce951d5%3AT%3D1721801852%3ART%3D1722625366%3AS%3DAA-AfjbtvqJSL4Gv5AGhtgiPqyom&prev_fmts=0x0&nras=1&correlator=5603505306515&frm=20&pv=1&rplot=4&u_tz=240&u_his=2&u_h=900&u_w=1440&u_ah=860&u_aw=1440&u_cd=24&u_sd=1&dmc=8&adx=347&ady=2201&biw=1423&bih=739&scr_x=0&scr_y=400&eid=44759875%2C44759926%2C44759837%2C31085664%2C42532523%2C95334525%2C95334828%2C95337027%2C95337275%2C95337870%2C95339221%2C95336267%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=2025684941257483&tmod=1318960168&uas=0&nvt=3&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1440%2C0%2C1440%2C860%2C1440%2C739&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=0&psd=W251bGwsbnVsbCwibGFiZWxfb25seV80IiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=797

“Maşın öyrənmə alqoritmlərimiz bizi əvvəllər yalnız elektronika tətbiqləri üçün istifadə edilmiş materiallara apardı” dedi Tengfei Luo, Enerji Tədqiqatları üzrə Dorini Ailəsi Professoru, Aerokosmik və Maşın Mühəndisliyi Departamentinin dosenti və kağızın həmmüəllifi. “Sonra biz bu materialları laboratoriyada sintez edib sınaqdan keçirdik, qazları ayırmaqda onların yüksək performansını yoxladıq. Bu, gizli daşlar tapmaq kimi idi”.

Polimerlərin sintezi bahalı və vaxt aparan ola bilər, buna görə də onların molekulyar quruluşu və kimyəvi xassələri haqqında mövcud məlumatlar az və natamamdır.

Bununla belə, həmmüəlliflər və kompüter alimləri Meng Jiang və onun doktorantı Qanq Liu tərəfindən hazırlanmış alqoritmik yeniliklər bu problemi həll etdi.

“Maşın öyrənmə üsullarından istifadə edərək, məlumatlarımızı artıra və təkmilləşdirə bildik” dedi Jiaxin Xu, Luo laboratoriyasının doktorantı və kağızın həmmüəllifi. “Hər bir materialın molekulyar xassələri haqqında məlumatla zənginləşdirilmiş qrafik əsaslı model bizə nəinki ən yaxşı membran materiallarını proqnozlaşdırmağa, həm də onların nə üçün ən yaxşı olduğunu izah etməyə imkan verdi”.

Komandanın ən yüksək performanslı polimerləri sənaye tətbiqləri üçün vacib olan bir neçə qaz cütünü ayıra bilən membranlar yaratmaq üçün istifadə edilə bilər.

Daha çox məlumat: Jiaxin Xu et al, izah edilə bilən qrafik maşın öyrənməsi ilə hazırlanmış üstün polimer qaz ayırma membranı, Cell Reports Physical Science (2024). DOI: 10.1016/j.xcrp.2024.102067

Jurnal məlumatı: Cell Reports Physical Science 

Notre Dame Universiteti tərəfindən təmin edilmişdir