در سال‌های اخیر، دسته‌ای از مواد بسیار جاذب و نانومتخلخل به نام چارچوب‌های فلزی-آلی (MOFs) به عنوان یک ماده امیدوارکننده برای جذب کربن در نیروگاه‌ها ظهور کرده‌اند. اما یافتن MOF بهینه برای انجام بهترین کار داستان دیگری است.
رندال کیو اسنور از دانشگاه نورث وسترن گفت: «مردم واقعاً در مورد این مواد هیجان‌زده هستند، زیرا ما می‌توانیم تنوع زیادی ایجاد کنیم و واقعاً آنها را تنظیم کنیم. "اما یک طرف دیگر برای آن وجود دارد. اگر برنامه ای در ذهن دارید، هزاران MOF موجود و میلیون ها MOF بالقوه وجود دارد که می توانید بسازید.چگونه بهترین مورد را برای یک برنامه خاص پیدا می کنید؟"
Snurr، که پروفسور جان جی. سرل در مهندسی شیمی و بیولوژیکی است، و گروهش راهی برای شناسایی سریع نامزدهای برتر برای جذب کربن - با استفاده از تنها ۱ درصد از تلاش محاسباتی که قبلاً مورد نیاز بود، کشف کرده‌اند. با استفاده از یک الگوریتم ژنتیک، آنها به سرعت در پایگاه داده ای از 55000 MOF جستجو کردند.
"در گذشته، ما مجبور بودیم همه 55000 نامزد را یکی یکی ارزیابی کنیم. "ما فقط از طریق آنها راهپیمایی کردیم و همه ویژگی های آنها را محاسبه کردیم. این الگوریتم ژنتیک به شما امکان می دهد از آن اجتناب کنید."
یکی از نامزدهای برتر شناسایی شده، گونه‌ای از NOTT-101، دارای ظرفیت بالاتری برای دی اکسید کربن (CO2) نسبت به هر MOF گزارش شده در ادبیات علمی برای شرایط مربوطه است. این اطلاعات می‌تواند منجر به طرح‌هایی برای نیروگاه‌های تازه راه‌اندازی شده و تمیزتر شود.
اسنور گفت: "درصد دی اکسید کربنی که MOF می تواند جذب کند به فرآیند بستگی دارد.""هدف وزارت انرژی حذف 90 درصد دی اکسید کربن از یک نیروگاه است؛ این احتمال وجود دارد که فرآیندی با استفاده از این ماده بتواند آن هدف را برآورده کند."
با حمایت وزارت انرژی ایالات متحده، این تحقیق به صورت آنلاین در مجله Science Advances منتشر شد. Yongchul G. Chung و Diego A. Gomez-Gualdron، همکاران سابق فوق دکترا در آزمایشگاه Snurr، اولین نویسندگان مقاله بودند. پروفسورهای شیمی نورث وسترن، جی. فریزر استودارت، جوزف هاپ، و عمر فرها، و همچنین Fengqi You، استاد سابق مهندسی شیمی و بیولوژیکی در نورث وسترن، به این کار کمک کردند.
با منافذ نانوسکوپی و سطح فوق العاده بالا، MOF ها مواد عالی برای ذخیره سازی گاز هستند. سطح وسیع داخلی MOF ها به آنها اجازه می دهد تا حجم بسیار بالایی از گاز را در خود نگه دارند. به عنوان مثال، حجم برخی از کریستال های MOF ممکن است به اندازه یک دانه نمک باشد، اما سطح داخلی، اگر باز شود، می تواند کل زمین فوتبال را پوشش دهد.
کار قبلی Snurr چگونگی استفاده از MOFs برای جذب کربن از نیروگاه های موجود در طول فرآیند پس از احتراق را بررسی کرده است. حدود 10 تا 15 درصد اگزوز نیروگاه CO2 است. بقیه عمدتا نیتروژن و بخار آب است. Snurr و Hupp یک MOF طراحی کردند که می تواند این گازها را برای جذب CO2 قبل از ورود به جو طبقه بندی کند.
اخیراً، اسنور یادآوری کرد که این روش پس از کمی پردازش شیمیایی بسیار ساده تر است. فرآوری شیمیایی سوخت قبل از ورود به نیروگاه می تواند آن را به CO2 و هیدروژن تبدیل کند. پس از اینکه MOF CO2 را جذب کرد، هیدروژن سوزانده می شود و تنها محصول جانبی آب است. این مرحله پردازش شیمیایی اضافی باید در نیروگاه های جدید به عنوان یک فرآیند پیش احتراق ساخته شود.
"در جاهایی مانند چین که هنوز نیروگاه های زیادی می سازند، "سنور گفت، "این بسیار منطقی است."
یک تکنیک بهینه‌سازی که انتخاب طبیعی را تقلید می‌کند، الگوریتم ژنتیک جمعیتی تصادفی از راه‌حل‌های کاندید را می‌گیرد و آنها را از طریق جهش، متقاطع و انتخاب به سمت راه‌حل‌های بهتر تکامل می‌دهد.اسنور گفت که این تکنیک در گذشته برای غربالگری مواد به کار گرفته شده است، اما نه در جستجوی نامزدهای برتر برای فرآیند پیش احتراق، که او آن را یک "چالش جدید" توصیف می کند.
برای مقابله با جذب کربن در پیش احتراق، الگوریتم ژنتیک NOTT-101 را به عنوان کاندیدای برتر مشخص کرد. (این ماده به نام ناتینگهام، جایی که MOF برای اولین بار در آن کشف شد، نامگذاری شده است.) هاپ و فرها نوع NOTT-101 را ایجاد کردند و آن را در آزمایشگاه آزمایش کردند. از بین تمام MOF هایی که برای پیش احتراق ارزیابی شده اند، این ماده دارای بالاترین ظرفیت برای جذب کربن و گزینش پذیری خوب برای گرفتن CO2 برای دسته بندی آن از هیدروژن بود.
"در ابتدا، مطمئن نبودم که این الگوریتم چقدر خوب کار کند،" اسنور گفت. "اما استفاده از تنها 1 درصد از تلاش معمول محاسباتی یک پیشرفت قابل توجه در سرعت است. بسیار هیجان انگیز است."
