งานนี้เปรียบเทียบแบบจำลองแมชชีนเลิร์นนิงและวิธีแทนโครงสร้างโมเลกุลเพื่อทำนายการละลายของคาร์บอนไดออกไซด์ในตัวทำละลายดีพยูเทคติก โดยใช้ข้อมูลทดลอง 2,648 ค่า จากระบบคู่ตัวรับและตัวให้พันธะไฮโดรเจน 93 ระบบ ผลชี้ว่าแบบจำลองป่าสุ่มที่ใช้รหัสโครงสร้างให้ความแม่นยำสูงสุดในชุดทดสอบของผู้วิจัย
ข้อค้นพบสำคัญ
- แบบจำลอง random forest ที่ใช้รหัสโครงสร้างทำผลงานดีที่สุด โดยมี R² เท่ากับ 0.971 ในชุดทดสอบภายใต้การแบ่งข้อมูลแบบสุ่มที่งานกำหนด ผลสนับสนุนว่าข้อมูลโครงสร้างโมเลกุลอาจใช้คัดกรองความสามารถละลาย CO₂ ของระบบที่อยู่ใกล้เคียงกับขอบเขตข้อมูลฝึกได้
ทำไมจึงมีความสำคัญระดับโลก
หากผ่านการทดสอบกับสารเคมีใหม่และเงื่อนไขภายนอก แบบจำลองลักษณะนี้อาจลดจำนวนการทดลองเบื้องต้นในการค้นหาตัวทำละลายสำหรับดักจับคาร์บอน อย่างไรก็ดี งานนี้ยังไม่ได้สาธิตประสิทธิภาพของกระบวนการดักจับระดับโรงงาน
บทบาทของนักวิจัยไทย
ธีรวัฒน์ สีมา จากจุฬาลงกรณ์มหาวิทยาลัยเป็นผู้เขียนผู้รับผิดชอบ แสดงบทบาทของสถาบันไทยในการพัฒนาแบบจำลองเชิงข้อมูลสำหรับวัสดุและกระบวนการดักจับคาร์บอน
ข้อจำกัดที่ควรรู้
ฐานข้อมูลส่วนใหญ่เป็นระบบ choline chloride ขณะที่ระบบ betaine, ammonium salt และชนิดไม่ชอบน้ำมีจำกัด ข้อมูลรวบรวมจากวรรณกรรมอาจต่างกันด้านวิธีทดลอง การแบ่งข้อมูลยังไม่เท่ากับการทดสอบแบบมองไม่เห็นเคมีชนิดใหม่ และยังไม่มีการยืนยันเชิงคาดการณ์ล่วงหน้าหรือระดับกระบวนการจริง
ตรวจสอบแหล่งต้นทาง
Clean EnergyClean Energy↗DOI: 10.1093/ce/zkag039