論文の概要: Advancing Carbon Capture using AI: Design of permeable membrane and estimation of parameters for Carbon Capture using linear regression and membrane-based equations
- arxiv url: http://arxiv.org/abs/2501.13373v1
- Date: Thu, 23 Jan 2025 04:28:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-24 15:55:31.514233
- Title: Advancing Carbon Capture using AI: Design of permeable membrane and estimation of parameters for Carbon Capture using linear regression and membrane-based equations
- Title(参考訳): AIによる炭素捕獲の促進:透過性膜の設計と線形回帰と膜ベース方程式を用いた炭素捕獲パラメータの推定
- Authors: Bishwash Panerua, Biplov Paneru,
- Abstract要約: 本研究はCO$分離のための膜ベースシステムに焦点を当てる。
CO$$の透過率は0.045であり、効率的な分離の可能性を示している。
この研究は、人工知能が炭素捕獲のための膜を設計するのにどのように役立つかを探求する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This study focuses on membrane-based systems for CO$_2$ separation, addressing the urgent need for efficient carbon capture solutions to mitigate climate change. Linear regression models, based on membrane equations, were utilized to estimate key parameters, including porosity ($\epsilon$) of 0.4805, Kozeny constant (K) of 2.9084, specific surface area ($\sigma$) of 105.3272 m$^2$/m$^3$, mean pressure (Pm) of 6.2166 MPa, viscosity ($\mu$) of 0.1997 Ns/m$^2$, and gas flux (Jg) of 3.2559 kg m$^{-2}$ s$^{-1}$. These parameters were derived from the analysis of synthetic datasets using linear regression. The study also provides insights into the performance of the membrane, with a flow rate (Q) of 9.8778 $\times$ 10$^{-4}$ m$^3$/s, an injection pressure (P$_1$) of 2.8219 MPa, and an exit pressure (P$_2$) of 2.5762 MPa. The permeability value of 0.045 for CO$_2$ indicates the potential for efficient separation. Optimizing membrane properties to selectively block CO$_2$ while allowing other gases to pass is crucial for improving carbon capture efficiency. By integrating these technologies into industrial processes, significant reductions in greenhouse gas emissions can be achieved, fostering a circular carbon economy and contributing to global climate goals. This study also explores how artificial intelligence (AI) can aid in designing membranes for carbon capture, addressing the global climate change challenge and supporting the Sustainable Development Goals (SDGs) set by the United Nations.
- Abstract(参考訳): この研究はCO$2$分離のための膜ベースのシステムに焦点を当て、気候変動を緩和するための効率的な炭素捕獲ソリューションの必要性に対処する。
膜方程式に基づく線形回帰モデルを用いて、ポーシティの0.4805、コゼニ定数(K)2.9084、比表面積の105.3272 m$^2$/m$^3$、平均圧力(Pm)6.2166 MPa、粘度0. 1997 Ns/m$^2$、ガス流量(Jg)3.2559 kg m$^{-2}$ s$^{-1}$といった重要なパラメータを推定した。
これらのパラメータは線形回帰を用いた合成データセットの解析から導出された。
この研究はまた、膜の性能に関する洞察を与え、流量(Q)は9.8778$\times$10$^{-4}$m$^3$/s、注入圧力(P$_1$)は2.8219 MPa、出口圧力(P$_2$)は2.5762 MPaである。
CO$_2$に対する0.045の透過性値は、効率的な分離の可能性を示している。
膜特性を最適化してCO$2$を選択的にブロックし、他のガスを通過させることは、炭素捕獲効率を向上させるために重要である。
これらの技術を産業プロセスに統合することで、温室効果ガス排出量の大幅な削減が達成され、循環的な炭素経済を育み、地球規模の気候目標に寄与する。
この研究は、人工知能(AI)が炭素捕獲のための膜を設計し、地球規模の気候変動問題に対処し、国連が設定した持続可能な開発目標(SDG)をサポートするのにどのように役立つかについても検討する。
関連論文リスト
- UFLUX v2.0: A Process-Informed Machine Learning Framework for Efficient and Explainable Modelling of Terrestrial Carbon Uptake [6.997941838401121]
光合成によって固定された炭素植物の量であるGrossプライマリ生産性は、グローバルな炭素循環と生態系の機能を理解する上で重要な要素である。
生態学的プロセスの知識に基づいて構築されたプロセスベースのモデルは、それらの仮定と近似から生じるバイアスに影響を受けやすい。
本研究では、最先端の生態知識と高度な機械学習技術を統合するプロセスインフォームドモデルであるUFLUX v2.0を提案する。
論文 参考訳(メタデータ) (2024-10-04T22:28:30Z) - 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) - Machine Learning Driven Sensitivity Analysis of E3SM Land Model
Parameters for Wetland Methane Emissions [12.826828430320843]
メタン(CH4)は二酸化炭素に次いで2番目に重要な温室効果ガスであり、観測された温暖化の16-25%に寄与する。
感度分析(SA)は、メタン放出の臨界パラメータを特定し、将来の予測におけるバイアスや不確実性を減少させるのに役立つ。
本研究では,エナジー・エクサスケール・アース・システム・モデル(E3SM)ランド・モデル(ELM)のメタン・モジュールにおける臨界生物地球化学的プロセスに関与する19のパラメータについてSAを行う。
論文 参考訳(メタデータ) (2023-12-05T14:16:13Z) - CarbNN: A Novel Active Transfer Learning Neural Network To Build De Novo
Metal Organic Frameworks (MOFs) for Carbon Capture [0.0]
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。
論文 参考訳(メタデータ) (2023-11-09T01:21:19Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。
そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。
予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
論文 参考訳(メタデータ) (2023-03-24T18:32:38Z) - 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) - Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language
Model [72.65502770895417]
176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。
BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。
本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
論文 参考訳(メタデータ) (2022-11-03T17:13:48Z) - 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) - Near Real-time CO$_2$ Emissions Based on Carbon Satellite And Artificial
Intelligence [20.727982405167758]
我々は、データ検索アルゴリズムと2ステップのデータ駆動ソリューションの両方を含む統合AIベースのパイプラインを提案する。
まず、データ検索アルゴリズムは、炭素衛星、炭素源の情報、およびいくつかの環境要因を含むマルチモーダルデータから効率的なデータセットを生成することができる。
第二に、深層学習技術の強力な表現を適用した2段階のデータ駆動ソリューションは、人為的CO$排出の定量化を学習する。
論文 参考訳(メタデータ) (2022-10-11T12:01:32Z) - A Variational Auto-Encoder for Reservoir Monitoring [0.0]
二酸化炭素キャプチャー・アンド・ストレージ(CCS)は、人為的CO$の排出を緩和する重要な戦略である。
本稿では,AZMI(Above Zone Monitoring Interval)井の圧力データに基づいて,圧力場を再構築し,記憶層のフラックスを分類する深層学習手法を提案する。
論文 参考訳(メタデータ) (2020-09-23T12:33:09Z)
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。