論文の概要: CarbNN: A Novel Active Transfer Learning Neural Network To Build De Novo
Metal Organic Frameworks (MOFs) for Carbon Capture
- arxiv url: http://arxiv.org/abs/2311.16158v1
- Date: Thu, 9 Nov 2023 01:21:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-03 13:20:55.468241
- Title: CarbNN: A Novel Active Transfer Learning Neural Network To Build De Novo
Metal Organic Frameworks (MOFs) for Carbon Capture
- Title（参考訳）: CarbNN: 炭素捕獲のためのDe Novo Metal Organic Framework(MOF)を構築するための新しいアクティブトランスファー学習ニューラルネットワーク
- Authors: Neel Redkar
- Abstract要約: 二酸化炭素捕獲に用いられる現在の材料は、効率性、持続可能性、コストに欠けている。
二酸化炭素の電気触媒化は、二酸化炭素を還元し、燃料として工業的に使用される新しいアプローチである。
この目的は、二酸化炭素を吸着して一酸化炭素と酸素を低コストで触媒するMOFを計算的に設計することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Over the past decade, climate change has become an increasing problem with
one of the major contributing factors being carbon dioxide (CO2) emissions;
almost 51% of total US carbon emissions are from factories. Current materials
used in CO2 capture are lacking either in efficiency, sustainability, or cost.
Electrocatalysis of CO2 is a new approach where CO2 can be reduced and the
components used industrially as fuel, saving transportation costs, creating
financial incentives. Metal Organic Frameworks (MOFs) are crystals made of
organo-metals that adsorb, filter, and electrocatalyze CO2. The current
available MOFs for capture & electrocatalysis are expensive to manufacture and
inefficient at capture. The goal therefore is to computationally design a MOF
that can adsorb CO2 and catalyze carbon monoxide & oxygen with low cost.
A novel active transfer learning neural network was developed, utilizing
transfer learning due to limited available data on 15 MOFs. Using the Cambridge
Structural Database with 10,000 MOFs, the model used incremental mutations to
fit a trained fitness hyper-heuristic function. Eventually, a Selenium MOF
(C18MgO25Se11Sn20Zn5) was converged on. Through analysis of predictions &
literature, the converged MOF was shown to be more effective & more
synthetically accessible than existing MOFs, showing the model had an
understanding of effective electrocatalytic structures in the material space.
This novel network can be implemented for other gas separations and catalysis
applications that have limited training accessible datasets.
- Abstract（参考訳）: 過去10年間で、気候変動は二酸化炭素(co2)排出量が大きな要因の1つとなり、米国の二酸化炭素排出量の約51%は工場からのものである。
二酸化炭素捕獲に用いられる現在の材料は、効率性、持続可能性、コストに欠けている。
二酸化炭素の電気触媒化は、CO2を還元する新しいアプローチであり、燃料として工業的に使用されるコンポーネントは輸送コストを節約し、経済的インセンティブを生み出す。
金属有機フレームワーク(metal organic frameworks、mofs)は、co2を吸着、濾過、電気触媒する有機金属からなる結晶である。
現在の捕獲・電気触媒用MOFは製造コストが高く、捕獲時に非効率である。
この目的は、二酸化炭素を吸着して一酸化炭素と酸素を低コストで触媒するMOFを計算的に設計することである。
15mofの限られたデータによる転送学習を利用した,新しいアクティブトランスファー学習ニューラルネットワークを開発した。
このモデルは1万のMOFを持つCambridge Structure Databaseを使用して、トレーニングされたフィットネス超ヒューリスティック関数に適合するために増分突然変異を使用した。
最終的にセレンMOF (C18MgO25Se11Sn20Zn5) が収束した。
予測と文献の分析により、収束したMOFは既存のMOFよりも効果的で、より合成的にアクセス可能であることが示され、このモデルが物質空間における効果的な電気触媒構造を理解できたことを示している。
この新しいネットワークは、トレーニング可能なデータセットが限られている他のガス分離や触媒アプリケーションのために実装することができる。
関連論文リスト
- Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - Quantum Simulations for Carbon Capture on Metal-Organic Frameworks [0.0]
DACは、大気中から二酸化炭素を捕獲する自然過程に依存しない技術的な解決策である。
我々は、量子コンピューティングのポテンシャルを活用して、DACで使用されるフィルタを改善することを目指している。
論文 参考訳（メタデータ） (2023-11-21T07:58:02Z) - A generative artificial intelligence framework based on a molecular
diffusion model for the design of metal-organic frameworks for carbon capture [3.7693836475281297]
GHP-MOFassembleは、CO2容量と合成可能なリンカーを備えたMOFの合理的かつ迅速な設計のための生成人工知能フレームワークである。
GHP-MOFassembleは、一意性、合成可能性、構造的妥当性のためにAI生成のMOFをスクリーンし、検証する。
仮説MOFデータセットの96.9%以上の2$m mol/g$以上のCO2容量を持つAI生成MOFの上位6つを提示する。
論文 参考訳（メタデータ） (2023-06-14T18:32:26Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳（メタデータ） (2022-10-31T04:04:03Z) - Building Open Knowledge Graph for Metal-Organic Frameworks (MOF-KG):
Challenges and Case Studies [63.61566811532431]
金属有機フレームワーク(MOF)は、ガス貯蔵、分子分離、化学センシング、結晶および薬物のデリバリーといった応用に革命をもたらす大きな可能性を持っている。
ケンブリッジ構造データベース(CSD)は10,636個のMOF結晶を報告しており、これには114,373個のMOF構造が含まれる。
本稿では,MOF予測,発見,合成を容易にする知識グラフ手法の活用に向けた取り組みについて述べる。
論文 参考訳（メタデータ） (2022-07-10T16:41:11Z) - Predicting the Efficiency of CO$_2$ Sequestering by Metal Organic
Frameworks Through Machine Learning Analysis of Structural and Electronic
Properties [0.0]
このプロジェクトの目的は、機械学習を使用して、CO$$の金属有機フレームワーク(MOF)の取り込みを予測するアルゴリズムを作成することである。
このアルゴリズムは、科学者が仮説MOFを低効率で無視できるため、時間や機器などの資源を節約する。
論文 参考訳（メタデータ） (2021-10-12T05:55:47Z) - Carbon Emissions and Large Neural Network Training [19.233899715628073]
我々は最近の大型モデルT5, Meena, GShard, Switch Transformer, GPT-3のエネルギー使用量と炭素フットプリントを算出する。
エネルギー効率とCO2排出量(CO2e)を改善するための次の機会を強調します。
MLの炭素フットプリントを減らすために、エネルギー使用量とCO2eはモデルを評価する上で重要な指標であるべきだと考えています。
論文 参考訳（メタデータ） (2021-04-21T04:44:25Z) - Towards explainable message passing networks for predicting carbon
dioxide adsorption in metal-organic frameworks [2.1445455835823624]
金属-有機フレームワーク(英: Metal-organic framework、MOF)は、化石燃料発電所の排気ガスから二酸化炭素を捕捉するために用いられるナノ多孔質材料である。
本研究では,メッセージパッシングニューラルネットワーク(MPNN)の設計とトレーニングを行い,模擬CO$をMOFで予測する。
論文 参考訳（メタデータ） (2020-12-02T12:54:26Z) - Optimizing carbon tax for decentralized electricity markets using an
agent-based model [69.3939291118954]
人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。
炭素税は、この移行を支援する効率的な方法であることが示されている。
NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
論文 参考訳（メタデータ） (2020-05-28T06:54:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。