I ricercatori di Meta & GeorgiaTech hanno pubblicato un nuovo set di dati e modelli di intelligenza artificiale associati per accelerare la ricerca sulla cattura diretta dell’aria al fine di contrastare i cambiamenti climatici.
Nuovi dati e modelli di intelligenza artificiale per accelerare la ricerca sulla cattura diretta dell'aria contro i cambiamenti climatici Una collaborazione tra Meta e GeorgiaTech
La comunità globale si confronta con la sfida di affrontare l’impatto dell’aumento dei livelli di diossido di carbonio (CO2) sul cambiamento climatico. Per affrontare questo problema, stanno venendo sviluppate tecnologie innovative. La cattura diretta dell’aria (DAC) è un approccio molto importante. La DAC consiste nel catturare il CO2 direttamente dall’atmosfera ed è fondamentale nella lotta al cambiamento climatico. Tuttavia, i elevati costi associati alla DAC hanno ostacolato la sua adozione diffusa.
Un aspetto importante della DAC è la sua dipendenza da materiali assorbenti e tra le varie opzioni, i materiali a struttura metallico-organica (MOF) hanno attirato l’attenzione. I MOF offrono vantaggi come modularità, flessibilità e regolabilità. A differenza dei materiali assorbenti convenzionali che richiedono molta energia per essere rigenerati, i MOF offrono un’alternativa più efficiente dal punto di vista energetico consentendo una rigenerazione a temperature più basse. Ciò rende i MOF una scelta promettente ed ecologica per varie applicazioni.
Tuttavia, identificare sorbenti adatti per la DAC è una complessa sfida a causa della vasta gamma chimica da esplorare e della necessità di comprendere il comportamento dei materiali in diverse condizioni di umidità e temperatura. L’umidità, in particolare, rappresenta una sfida significativa in quanto può influire sull’adsorbimento e portare al deterioramento del sorbente nel tempo.
- SDXL in 4 passaggi con Latent Consistency LoRAs
- Auricolari per Monitorare il Cervello e il Corpo
- Entra in un mondo di Samurai e Demoni Giovedì di GFN porta il gioco di Capcom ‘Onimusha Warlords’ sul Cloud
Come risposta a questa sfida, il progetto OpenDAC è emerso come uno sforzo di ricerca collaborativo tra Fundamental AI Research (FAIR) presso Meta e Georgia Tech. L’obiettivo principale di OpenDAC è quello di ridurre significativamente i costi della DAC identificando nuovi sorbenti, ossia materiali capaci di estrarre in modo efficiente il CO2 dall’aria. La scoperta di tali sorbenti è fondamentale per rendere la DAC economicamente sostenibile e scalabile.
I ricercatori hanno effettuato ricerche approfondite, risultando nella creazione del set di dati OpenDAC 2023 (ODAC23). Questo set di dati è una compilazione di oltre 38 milioni di calcoli di teoria funzionale della densità (DFT) su più di 8.800 materiali MOF, includendo CO2 e H2O adsorbite. ODAC23 è il più grande set di dati di calcoli di adsorbimento MOF a livello DFT, offrendo preziose informazioni sulle proprietà e sul rilassamento strutturale dei MOF.
Inoltre, OpenDAC ha rilasciato il set di dati ODAC23 alla comunità di ricerca in generale e all’industria emergente della DAC. Lo scopo è promuovere la collaborazione e fornire una risorsa fondamentale per lo sviluppo di modelli di apprendimento automatico (ML).
I ricercatori possono identificare facilmente i MOF approssimando i calcoli a livello DFT utilizzando modelli di apprendimento automatico all’avanguardia addestrati sul set di dati ODAC23.
In conclusione, il progetto OpenDAC rappresenta un significativo avanzamento nell’aumentare l’accessibilità e l’economicità della Cattura Diretta dell’Aria (DAC). Sfruttando i punti di forza dei Materiali a Struttura Metallico-Organica (MOF) e utilizzando metodi computazionali all’avanguardia, OpenDAC è ben posizionato per guidare il progresso nella tecnologia di cattura della carbonio. Il set di dati ODAC23, ora aperto al pubblico, rappresenta un contributo allo sforzo collettivo per combattere il cambiamento climatico, offrendo una ricchezza di informazioni oltre alle applicazioni della DAC.
