详细内容或原文请订阅后点击阅览
机器学习在预测胺排放中的应用
一个科学家团队开发了一种机器学习解决方案，利用德国一家实际工厂进行的压力测试的实验数据来预测碳捕获工厂的胺排放量。
来源:Qudata机器学习在预测胺排放中的应用
地球气候变化的主要原因之一是二氧化碳排放过量。它主要发生在发电和工业过程中，包括钢铁和水泥制造。目前，工程师和化学家正在研究捕获碳的方法，这些方法可以封存和储存二氧化碳，从而防止其释放到大气中。
碳捕获的概念是减少温室气体排放的有效方法。特殊的碳捕获工厂以胺技术为基础，使用胺 - 可以溶解二氧化碳的化合物。胺还用于许多行业，例如制药、环氧树脂和染料的生产。
问题在于胺可能对环境和人类健康造成潜在危害，因此减轻其影响至关重要。在碳捕获工厂中使用胺时，还需要控制排放，由于工厂之间的技术差异，这是一个挑战。
EPFL 基础科学学院和赫瑞瓦特大学碳解决方案研究中心的科学家团队开发了一种基于机器学习的新解决方案，用于预测碳捕获工厂的胺排放。该解决方案在德国一家真实工厂进行了实验测试，由 EPFL 基础科学学院的 Berend Smit 教授和苏格兰赫瑞瓦特大学碳解决方案研究中心的 Susana Garcia 教授领导的团队担任研究负责人。
基于机器学习的新解决方案实验是在德国最大的燃煤电厂进行的，下一代胺解决方案已在中试工厂进行了一年多的测试。然而，人们发现胺可以随烟气释放。这带来了一个问题，因为必须控制胺的排放。