Связь фотокатализа и искусственного интеллекта для максимизации производства CH4 и CO при восстановлении CO2 с использованием синтезированных фотокатализаторов g-C3N4/TNTAs

Преобразование климатической проблемы в топливное решение

Диоксид углерода, главный парниковый газ, вызывающий изменение климата, обычно рассматривают как отход. Но что если мы могли бы превращать его в полезные виды топлива, используя только солнечный свет и продуманные материалы? В этом исследовании изучается перспективный способ превращения углекислого газа из воздуха в два ценных газа — метан и монооксид углерода — путем сочетания продвинутых светочувствительных материалов с искусственным интеллектом. В результате получается своего рода управляемая данными солнечная «рафинерия», которая может помочь одновременно удовлетворить потребности в энергии и сократить углеродное загрязнение.

Солнечный свет, особые поверхности и углеродные отходы

В основе работы лежит процесс, называемый фотокатализом, при котором твердый материал поглощает свет и использует эту энергию для запуска химических реакций. Исследователи создали тщательно спроектированную поверхность из мелких, вертикально ориентированных трубок диоксида титана — стабильного и широкораспространенного материала — и покрыли их тонкими листами углеродистого твердого вещества, известного как g‑C3N4. Вдвоем эти компоненты образуют плотную структуру, которая захватывает большую часть солнечного спектра и удерживает возбужденные заряды разнесенными достаточно долго, чтобы они реагировали с углекислым газом и паром воды. В газовой реакционной камере углекислый газ и вода пропускаются над освещенной поверхностью, и система производит метан — потенциальное топливо — и монооксид углерода — ключевой исходный продукт для многих промышленных процессов.

Почему конструкция поверхности имеет значение

Снимки в микроскопе показывают, что диоксид титана образует длинные упорядоченные нанотрубки с большой внутренней площадью, предоставляя реакционным молекулам множество участков для адсорбции. При добавлении листы g‑C3N4 покрывают и проникают в эти трубки, не разрушая их форму, фактически создавая дополнительные переходы, где светогенерируемые заряды могут разделяться. Оптические измерения показывают, что этот гибридный материал поглощает видимый свет лучше, чем чистый диоксид титана, а немного уменьшенная ширина запрещенной зоны позволяет ему более эффективно использовать солнечный свет. Испытания на свечение дополнительно показывают, что добавленный углероднитрид подавляет нежелательное рекомбинационное уничтожение зарядов — обычный канал потерь, который обычно растрачивает большую часть поступающей световой энергии.

Пусть данные подскажут реактору, что работает лучше

Даже при хорошем фотокатализаторе работоспособность сильно зависит от условий эксплуатации: какая площадь катализатора экспонирована, какова концентрация CO2, какое давление и интенсивность света применяются и как долго реактор освещается. Вместо того чтобы настраивать эти параметры по одному методом проб и ошибок, команда сгенерировала два больших, тщательно контролируемых набора данных, каждый из которых содержит более тысячи экспериментальных измерений выхода метана и монооксида углерода при разных условиях. Они затем обучили десять разных древовидных моделей машинного обучения для выявления скрытых закономерностей между условиями работы и производством топлива, используя часть данных для обучения, а остальную часть — для тестирования. Одна модель, названная CatBoost, последовательно давала наиболее точные предсказания, соответствуя измеренным выходам для обоих газов с объясняющей способностью более 98% и очень низкой ошибкой.

Что алгоритмы раскрывают о реакции

Поскольку древовидные модели можно анализировать на предмет их логики принятия решений, исследователи увидели, какие параметры имеют наибольшее значение. Для метана ключевым фактором роста выхода оказалось время облучения — продолжительность воздействия света, затем следовали концентрация углекислого газа и площадь открытой поверхности катализатора. Для монооксида углерода порядок оказался обратным: самой важной была доступная площадь катализатора, затем время облучения, а концентрация CO2 играла лишь незначительную роль. Сложные аналитические инструменты показали, что более длительное воздействие света и большая площадь почти всегда сдвигают систему в сторону более высоких выходов, тогда как чрезмерно высокая концентрация углекислого газа может фактически замедлять процесс, вероятно, блокируя доступ или ограничивая проникновение света. Запустив эволюционный алгоритм оптимизации поверх модели CatBoost, команда выявила рабочие точки, которые должны максимизировать каждый продукт, а затем подтвердили в лаборатории, что предсказанные и измеренные выходы почти совпадают.

От умных реакторов к более разумным энергетическим системам

Проще говоря, это исследование демонстрирует, что возможно научить солнечный химический реактор работать более эффективно. Специальная поверхность g‑C3N4/TiO2 в виде нанотрубок уже повышает преобразование углекислого газа в метан и монооксид углерода, но сочетание ее с мощным алгоритмом обучения позволяет системе находить близкие к оптимальным условия без бесконечных экспериментов. Работа представляет собой дорожную карту по использованию искусственного интеллекта для руководства разработкой и эксплуатацией будущих фотокаталитических устройств, потенциально превращая отходы углерода в полезные топлива и химикаты при помощи солнечного света и основанной на данных интуиции.

Цитирование: 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

Ключевые слова: фотокаталитическое преобразование CO2, солнечные топлива, машинное обучение в каталитике, фотокатализатор на основе нанотрубок TiO2, производство метана и CO