英国赫瑞瓦特大学科研人员开发了一种机器学习模型，能够准确预测金属有机框架和其他吸附剂的热容量，为未来的碳捕获技术开辟了应用前景。研究发表在《自然·材料》杂志上。
金属有机框架（MOF）是一类含有纳米级孔隙的材料。这些孔隙，以及MOF丰富多样的化学性质，使它们的用途非常广泛，包括从发电厂和工厂捕获二氧化碳。热容量等材料特性使其能够估算驱动碳捕获过程所需的能量。该科研团队利用机器学习模拟了碳捕获工厂中材料的性能。结果表明，在MOF热容值正确的情况下，碳捕获过程的总能源成本远低于最初计算的成本。一些MOF使能源成本降低了50％，这极大地影响了工艺的技术经济可行性。
注：本文摘自国外相关研究报道，文章内容不代表本网站观点和立场，仅供参考。
知前沿，问智研。智研咨询是中国一流产业咨询机构，十数年持续深耕产业研究领域，提供深度产业研究报告、商业计划书、可行性研究报告及定制服务等一站式产业咨询服务。专业的角度、品质化的服务、敏锐的市场洞察力，专注于提供完善的产业解决方案，为您的投资决策赋能。
智研咨询 - 精品报告
2024-2030年中国人工智能生成内容（AIGC）行业市场全景调查及战略咨询研究报告
《2024-2030年中国人工智能生成内容（AIGC）行业市场全景调查及战略咨询研究报告》共十二章，包含中国人工智能生成内容（AIGC）行业重点上市企业经营状况分析，2021-2023年中国人工智能生成内容（AIGC）行业投资潜力分析，对2024-2030年中国人工智能生成内容（AIGC）行业发展前景及趋势预测等内容。
如您有其他要求，请联系：
版权提示：智研咨询倡导尊重与保护知识产权，对有明确来源的内容注明出处。如发现本站文章存在版权、稿酬或其它问题，烦请联系我们，我们将及时与您沟通处理。联系方式：gaojian@chyxx.com、010-60343812。
