کاربرد یادگیری ماشین در بررسی ویژگی های ساختاری و شیمیایی غشاهای پلیمری برای جذب کربن دی اکسید

در سال­ های اخیر، کاربرد فناوری های غشایی در جداسازی گازهای صنعتی و ذخیره کربن رو به گسترش است و هوش مصنوعی می تواند نقش بی بدیلی در کاهش هزینه ها و رفع موانع اجرایی توسعه این فناوری ایفا نماید. در این پژوهش، به منظور برطرف کردن محدودیت­ های مطالعات آزمایشگاهی و افزایش سرعت شناسایی غشاهای جدید و کارآمدتر در صنعت جداسازی گاز، یک مدل یادگیری ماشین با توجه به خواص فیزیکی و شیمیایی پلیمرها توسعه داده شده­ است. به طور خاص، الگوریتم جنگل تصادفی برای پیش بینی عملکرد غشاء از جمله تراوایی و گزینش ­پذیری برای جداسازی کربن دی اکسید/متان استفاده شده است. سپس روش توضیحات جمعی شیپلی برای تفسیر نتایج مورد استفاده قرار گرفته­ است. علاوه بر این، در این مطالعه به منظور مدل سازی پلیمرها با استفاده از یادگیری ماشین از روش اثر انگشت و توصیف گرهای مولکولی استفاده شده­ است. نتایج نشان داد که مساحت سطح قطبی گروه های تشکیل دهنده پلیمر، یکی از اصلی ترین پارامترهای موثر در عملکرد غشاء است. علاوه بر این، یافته ها نشان داد که گروه های قطبی در ساختار پلیمر، تاثیر منفی بر تراوایی دارند، در حالی که با گزینش پذیری همبستگی مثبتی دارند. تاثیر منفی حلقه های آروماتیک بر تراوایی غشاها یکی دیگر از یافته های این مطالعه بود.

کلیدواژه ها:

یادگیری ماشین ، جنگل تصادفی ، غشاهای پلیمری ، جداسازی گاز ، توضیحات جمعی شیپلی