新型科学家设计出新型混合燃料，可有效减少二氧化碳排放

阿卜杜拉国王科技大学 (King Abdullah University of Science and Technology, KAUST)开发了一种基于机器学习的逆向混合设计的方法，可以教计算机识别混合物成分，并根据混合物成分的属性自主设计新的组合，创建新的混合物。这将有助于创建高性能的运输燃料，在使燃料充分燃烧的同时减少向大气中排放的二氧化碳。

温室气体排放是导致全球气候变暖的主要因素。二氧化碳排放的很大一部分来自如汽油等碳氢化合物燃料的燃烧。解决这个环境问题的一个有效办法是设计出能提供高效燃烧和低量排放的运输燃料。

研究小组的博士生Nursulu Kuzhagaliyeva说：“关键的难点是需要筛选含有数百种成分的复杂混合物，以此预测混合物的各个成分对结果混合物的作用和影响。”

Kuzhagaliyeva、Sarathy和同事们构建了一个深度学习模型以有效地筛选燃料。在逆向设计方法中，研究人员首先定义了与燃烧有关的属性，如燃料的燃点质量和烟尘倾向，然后根据这些属性确定潜在的燃料。公开可用的实验数据非常少。因此，研究人员利用文献中的实验测量数据建立了一个广泛的数据库来训练模型。该数据库包括不同类型的纯化合物、代用燃料混合物和复杂的混合物，如汽油。受文本处理技术的启发，他们引入了一个混合算子，通过线性组合直接连接纯化合物和混合物的隐性表示，将单词与短语联系起来。此外，他们还增加了搜索算法，以检测在化学空间内符合预定属性的燃料混合物。

该模型准确地预测了各种分子和混合物的燃点质量和燃烟倾向，它还确定了几种符合预定标准的燃料混合物。

该团队现在正通过将属性数据库扩展到其他标准，如挥发性、粘度和污染物形成，来提高模型的准确性。该工具正被推进到制定汽油电子燃料和合成航空燃料。Kuzhagaliyeva说：“我们正在开发一个云平台，使其他人也能够使用该工具。”

该研究论文题为" Artificial intelligence-driven design of fuel mixtures"，已发表在Communications Chemistry (2022)上。主要作者为KAUST的博士生Nursulu Kuzhagaliyeva。