Łączenie fotokatalizy i sztucznej inteligencji w celu maksymalizacji produkcji CH4 i CO z redukcji CO2 przy użyciu syntezowanych fotokatalizatorów g-C3N4/TNTAs

Przemiana problemu klimatycznego w rozwiązanie paliwowe

Dwutlenek węgla, główny gaz cieplarniany napędzający zmianę klimatu, zwykle traktowany jest jako odpad. A co jeśli moglibyśmy przekształcić go w użyteczne paliwa przy pomocy jedynie światła słonecznego i zaawansowanych materiałów? Niniejsze badanie bada obiecującą metodę konwersji dwutlenku węgla z powietrza w dwa cenne gazy — metan i tlenek węgla — poprzez połączenie zaawansowanych materiałów aktywowanych światłem z sztuczną inteligencją. Efektem jest rodzaj sterowanej danymi słonecznej rafinerii, która mogłaby pomóc zarówno w zaspokajaniu zapotrzebowania na energię, jak i ograniczaniu zanieczyszczenia węglowego.

Światło słoneczne, specjalne powierzchnie i węgiel jako odpad

W centrum pracy znajduje się proces zwany fotokatalizą, w którym stały materiał absorbuje światło i wykorzystuje tę energię do napędzania reakcji chemicznych. Badacze zbudowali precyzyjnie zaprojektowaną powierzchnię wykonaną z drobnych, pionowo ustawionych rurek dwutlenku tytanu, stabilnego i powszechnie stosowanego materiału, pokrytych cienkimi arkuszami węglowo‑azotowego ciała stałego znanego jako g‑C3N4. Te dwa komponenty razem tworzą ściśle powiązaną strukturę, która wychwytuje większą część spektrum słonecznego i utrzymuje rozdzielone nośniki wzbudzone światłem wystarczająco długo, aby reagować z dwutlenkiem węgla i parą wodną. W reaktorze fazy gazowej dwutlenek węgla i woda przepływają nad tą naświetlaną powierzchnią, a układ wytwarza metan — potencjalne paliwo — oraz tlenek węgla, kluczowy surowiec w wielu procesach przemysłowych.

Dlaczego projekt powierzchni ma znaczenie

Obrazy z mikroskopu pokazują, że dwutlenek tytanu tworzy długie, uporządkowane nanotubki o dużej powierzchni wewnętrznej, co daje cząsteczkom reagującym wiele miejsc do adsorpcji. Po dodaniu arkuszy g‑C3N4 przysłaniają one i wnikają w te rurki, nie niszcząc ich kształtu, efektywnie tworząc dodatkowe złącza, w których mogą się rozdzielać nośniki wygenerowane światłem. Pomiary optyczne wykazują, że ten materiał hybrydowy absorbuje światło widzialne lepiej niż goły dwutlenek tytanu, a nieco mniejsza przerwa energetyczna oznacza lepsze wykorzystanie promieniowania słonecznego. Testy emisji światła dodatkowo wskazują, że dodane azotek węgla hamuje niepożądane rekombinacje nośników — powszechną ścieżkę strat, która zwykle marnuje dużą część przychodzącej energii świetlnej.

Pozwolenie danym na wskazanie, co działa najlepiej

Nawet przy dobrym fotokatalizatorze wydajność silnie zależy od sposobu pracy systemu: jaka powierzchnia katalizatora jest eksponowana, jak skoncentrowany jest dwutlenek węgla, jakie panuje ciśnienie i natężenie światła oraz jak długo reaktor jest naświetlany. Zamiast regulować te parametry pojedynczo metodą prób i błędów, zespół wygenerował dwa duże, starannie kontrolowane zbiory danych, z każdym zawierającym ponad tysiąc eksperymentalnych pomiarów wydajności metanu i tlenku węgla w różnych warunkach. Następnie wytrenowali dziesięć różnych modeli uczenia maszynowego opartych na drzewach, aby odkryć ukryte zależności łączące warunki pracy z produkcją paliw, wykorzystując część danych do treningu, a resztę do testów. Jeden z modeli, zwany CatBoost, konsekwentnie dawał najdokładniejsze prognozy, dopasowując zmierzone wydajności obu gazów z mocą wyjaśniającą przekraczającą 98% i bardzo niskim błędem.

Co algorytmy ujawniają o reakcji

Ponieważ modele oparte na drzewach można badać pod kątem logiki decyzyjnej, badacze mogli zobaczyć, które regulatory mają największe znaczenie. Dla metanu najsilniejszym czynnikiem zwiększającym wydajność był czas naświetlania — długość ekspozycji na światło — następnie ilość obecnego dwutlenku węgla i eksponowana powierzchnia katalizatora. Dla tlenku węgla kolejność była odwrotna: najważniejsza była dostępna powierzchnia katalizatora, potem czas naświetlania, podczas gdy stężenie dwutlenku węgla odgrywało jedynie drugorzędną rolę. Zaawansowane narzędzia analityczne pokazały, że dłuższa ekspozycja na światło i większe powierzchnie niemal zawsze skłaniają system ku wyższym wydajnościom, podczas gdy zbyt wysokie stężenia CO2 mogą faktycznie spowalniać proces, prawdopodobnie poprzez blokowanie dostępu lub ograniczanie penetracji światła. Poprzez uruchomienie ewolucyjnego algorytmu optymalizacyjnego na modelu CatBoost zespół zidentyfikował punkty operacyjne, które powinny maksymalizować każdy produkt, a następnie potwierdził w laboratorium, że przewidywane i zmierzone wydajności niemal się pokrywają.

Od inteligentnych reaktorów do mądrzejszych systemów energetycznych

Mówiąc prosto, badanie pokazuje, że możliwe jest „nauczenie” napędzanego słońcem reaktora chemicznego lepszego samosterowania. Dostosowana powierzchnia nanotubek g‑C3N4/TiO2 już zwiększa konwersję dwutlenku węgla w metan i tlenek węgla, ale sprzężenie jej z potężnym algorytmem uczącym pozwala systemowi wybrać niemal optymalne warunki bez żmudnych eksperymentów. Praca dostarcza planu wykorzystania sztucznej inteligencji do kierowania projektowaniem i eksploatacją przyszłych urządzeń fotokatalitycznych, potencjalnie przekształcając odpadowy węgiel w użyteczne paliwa i chemikalia przy pomocy światła słonecznego i insightów opartych na danych.

Cytowanie: Hossen, M.A., Prima, M., Aziz, A.A. et al. Bridging photocatalysis and artificial intelligence to maximize CH₄ and CO production from CO₂ reduction using synthesized g-C₃N₄/TNTAs photocatalysts. Sci Rep 16, 13003 (2026). https://doi.org/10.1038/s41598-026-36838-y

Słowa kluczowe: fotokatalityczna konwersja CO2, paliwa słoneczne, uczenie maszynowe w katalizie, fotokatalizator z nanotub TiO2, produkcja metanu i CO