論文の概要: AI-Guided Discovery of Novel Ionic Liquid Solvents for Industrial CO2 Capture

• arxiv url: http://arxiv.org/abs/2601.03284v1
• Date: Fri, 02 Jan 2026 15:41:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:22.965097
• Title: AI-Guided Discovery of Novel Ionic Liquid Solvents for Industrial CO2 Capture
• Title（参考訳）: 工業用CO2キャプチャー用新規イオン液体溶媒のAIガイドによる発見
• Authors: Davide Garbelotto, Alexander Lobo, Urvi Awasthi, Oleg Medvedev, Srayanta Mukherjee, Anton Aristov, Konstantin Polunin, Alex De Mur, Leonid Zhukov, Azad Huseynov, Murad Abdullayev,
• Abstract要約: 我々は, 排ガス・精製ガスの一次源からのCO2捕捉に最適な特性を持つ化合物を発見するためのAI駆動型アプローチを提案する。 イオン液体 (IL) に着目し, 高い作業能力, 管理可能な粘度, 良好な再生エネルギー, 実行可能な合成経路を有する新規IL候補の同定に成功した。
• 参考スコア（独自算出の注目度）: 31.524229297484183
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an AI-driven approach to discover compounds with optimal properties for CO2 capture from flue gas-refinery emissions' primary source. Focusing on ionic liquids (ILs) as alternatives to traditional amine-based solvents, we successfully identify new IL candidates with high working capacity, manageable viscosity, favorable regeneration energy, and viable synthetic routes. Our approach follows a five-stage pipeline. First, we generate IL candidates by pairing available cation and anion molecules, then predict temperature- and pressure-dependent CO2 solubility and viscosity using a GNN-based molecular property prediction model. Next, we convert solubility to working capacity and regeneration energy via Van't Hoff modeling, and then find the best set of candidates using Pareto optimization, before finally filtering those based on feasible synthesis routes. We identify 36 feasible candidates that could enable 5-10% OPEX savings and up to 10% CAPEX reductions through lower regeneration energy requirements and reduced corrosivity-offering a novel carbon-capture strategy for refineries moving forward.
• Abstract（参考訳）: 我々は, 排ガス・精製ガスの一次源からのCO2捕捉に最適な特性を持つ化合物を発見するためのAI駆動型アプローチを提案する。 従来のアミン系溶媒の代替としてイオン液体 (IL) に着目し, 高い作業能力, 管理粘度, 良好な再生エネルギー, 有効合成経路を有する新規IL候補の同定に成功した。 私たちのアプローチは5段階のパイプラインに従っています。 まず、利用可能なカチオン分子とアニオン分子を結合させてIL候補を生成し、GNNに基づく分子特性予測モデルを用いて、温度および圧力依存性のCO2溶解度と粘度を予測する。 次に、Van't Hoffモデルを用いて可溶度を動作容量と再生エネルギーに変換し、パレート最適化を用いて最適な候補群を求め、最終的に実現可能な合成経路に基づいてそれらをフィルタリングする。 我々は, 5-10%のOPEX削減と10%のCAPEX削減を低再生エネルギー要求により実現し, 腐食度を低減できる36の候補を同定した。

関連論文リスト

• Human-AI Synergy in Adaptive Active Learning for Continuous Lithium Carbonate Crystallization Optimization [0.0]
  本研究では,炭酸リチウムの連続結晶化を最適化するために,Human-in-the-Loop(HITL)を用いたアクティブラーニングフレームワークを提案する。 その結果、フレームワークが新しいデータに迅速に適応できることが示され、重要な不純物に対するプロセスの耐性が大幅に向上した。 このブレークスルーにより、低品位で不純物に富んだリチウム資源の活用が実現可能となり、広範なプレリファインメントプロセスの必要性が軽減される可能性がある。
  論文  参考訳（メタデータ） (2025-07-25T14:30:37Z)
• SAGE-Amine: Generative Amine Design with Multi-Property Optimization for Efficient CO2 Capture [0.9968037829925945]
  SAGE-AmineはCO2捕捉に適した新しいアミンを設計するための生成モデリング手法である。 アミンデータセットに基づいてトレーニングされた自己回帰自然言語処理モデルを活用することで、新しいアミンを生成する。 これは、CO2捕捉のための既知のアミンをスクラッチから同定し、シングルプロパティ最適化を成功させた。
  論文  参考訳（メタデータ） (2025-03-04T12:02:36Z)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• 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)
• Platinum-based Catalysts for Oxygen Reduction Reaction simulated with a Quantum Computer [2.8866494528688555]
  水素は有望なエネルギー源として現れ、低炭素で持続可能な移動を可能にする鍵を握っている。 ここでは、古典的および量子的な計算手法を組み合わせて、純白金および白金/コバルト表面上のORRを調べる先駆的な研究を提案する。 その結果、コバルト含有触媒に強く相関する種が関与していることが明らかとなり、将来の応用における量子優位性を示すための理想的な候補としての可能性が示唆された。
  論文  参考訳（メタデータ） (2023-07-28T21:49:00Z)
• 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)
• 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)
• Optimizing Molecules using Efficient Queries from Property Evaluations [66.66290256377376]
  汎用的なクエリベースの分子最適化フレームワークであるQMOを提案する。 QMOは効率的なクエリに基づいて入力分子の所望の特性を改善する。 QMOは, 有機分子を最適化するベンチマークタスクにおいて, 既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-03T18:51:18Z)

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。