Fotokataliz ve yapay zekayı birleştirerek sentezlenmiş g-C3N4/TNTA fotokatalizörleri kullanarak CO2 indirgenmesinden CH4 ve CO üretimini maksimize etmek

İklim Sorununu Yakıt Çözümüne Dönüştürmek

İklim değişikliğini yönlendiren başlıca sera gazı olan karbondioksit genellikle atık olarak kabul edilir. Peki ya onu yalnızca güneş ışığı ve akıllı malzemeler kullanarak yararlı yakıtlara dönüştürebilseydik? Bu çalışma, gelişmiş ışıkla aktive olan malzemeleri yapay zekâ ile birleştirerek havadaki karbondioksiti iki değerli gaz olan metan ve karbon monoksite dönüştürmenin umut verici bir yolunu araştırıyor. Sonuç, enerji talebi ve karbon kirliliğiyle mücadeleye yardımcı olabilecek veri yönlendirmeli bir tür güneş rafinerisi niteliğinde.

Güneş Işığı, Özel Yüzeyler ve Atık Karbon

Bu çalışmanın merkezinde, katı bir malzemenin ışığı emip bu enerjiyi kimyasal reaksiyonları sürdürmek için kullandığı fotokataliz adı verilen bir süreç var. Araştırmacılar, dikey olarak hizalanmış, titanyum dioksitten yapılmış küçük tüplerden oluşan dikkatle tasarlanmış bir yüzey inşa etti ve bunları ince karbon temelli g-C3N4 tabakalarıyla kapladı. Bu iki bileşen birlikte daha geniş bir güneş spektrumunu yakalayan ve ışıkla uyarılan yükleri karbondioksit ve su buharıyla reaksiyona girecek kadar uzun süre ayrı tutan sıkı bağlantılı bir yapı oluşturuyor. Gaz fazlı bir reaktörde, karbondioksit ve su yüzeye akıyor ve sistem potansiyel bir yakıt olan metan ile birçok endüstriyel süreç için temel bir yapı taşı olan karbon monoksit üretiyor.

Yüzey Tasarımının Neden Önemli Olduğu

Mikroskop görüntüleri, titanyum dioksitin uzun, düzenli nanotüpler oluşturduğunu ve geniş bir iç alana sahip olduğunu, bu sayede reaksiyona giren moleküllere konacak çok sayıda alan sunduğunu gösteriyor. g-C3N4 tabakaları eklendiğinde, tüplerin şeklini bozmadan bunların üzerine ve içine örtülüyor ve etkin bir şekilde ışıkla üretilen yüklerin ayrışabileceği ek birleşim bölgeleri yaratıyor. Optik ölçümler, bu hibrit malzemenin çıplak titanyum dioksitten daha iyi görünür ışık emdiğini ve biraz daha küçük enerji boşluğunun güneş ışığından daha etkin yararlanmasını sağladığını ortaya koyuyor. Işık yayılımı testleri ayrıca eklenen karbon nitrürün istenmeyen yük rekombinasyonunu bastırdığını gösteriyor; bu rekombinasyon normalde gelen ışık enerjisinin büyük bir kısmını boşa çıkaran yaygın bir kayıp yoludur.

Verinin Reaktöre Ne İşe Yaradığını Öğretmesine İzin Vermek

İyi bir fotokatalizöre sahip olunmasına rağmen, performans sistemin nasıl işletildiğine güçlü şekilde bağlıdır: ne kadar katalizör yüzeyi açığa çıkarıldığı, karbondioksit yoğunluğunun ne olduğu, ne kadar basınç ve ışık uygulandığı ve reaktörün ne kadar süre aydınlatıldığı gibi. Bunları tek tek deneme-yanılma yoluyla ayarlamak yerine, ekip metan ve karbon monoksit çıktısını farklı koşullar altında ölçen, her biri binin üzerinde dikkatle kontrol edilmiş iki büyük veri seti üretti. Ardından, işletme koşulları ile yakıt üretimi arasındaki gizli desenleri öğrenmek için bu verilerin bir kısmını eğitime diğer kısmını teste ayırarak on farklı ağaç tabanlı makine öğrenimi modelini eğittiler. CatBoost adlı bir model, her iki gaz için de ölçülen verimlerle %98’in üzerinde açıklayıcılık ve çok düşük hata ile tutarlı şekilde en doğru tahminleri verdi.

Algoritmaların Reaksiyon Hakkında Neler Ortaya Çıkardığı

Ağaç tabanlı modeller karar mantığı açısından incelenebildiğinden, araştırmacılar hangi ayarların en önemli olduğunu görebildiler. Metan için ışınlanma süresi—ışığa maruz kalma uzunluğu—daha yüksek çıktının en güçlü sürücüsüydü; bunu karbondioksit miktarı ve ne kadar katalizör yüzeyinin açık olduğu izledi. Karbon monoksit için sıra tersine döndü: en önemli etken kullanılabilir katalizör alanıydı, ardından ışınlanma süresi gelirken karbondioksit konsantrasyonu yalnızca küçük bir rol oynadı. Gelişmiş analiz araçları, daha uzun ışık maruziyeti ve daha geniş yüzeylerin neredeyse her zaman sistemi daha yüksek verimlere ittiğini, oysa aşırı yüksek karbondioksit düzeylerinin erişimi engelleyerek veya ışık penetrasyonunu sınırlayarak işi yavaşlatabileceğini gösterdi. CatBoost modeli üzerine bir evrimsel optimizasyon algoritması çalıştırarak ekip her ürün için maksimuma yakın işletme noktalarını tanımladı ve laboratuvarda öngörülen ile ölçülen verimlerin neredeyse örtüştüğünü doğruladı.

Akıllı Reaktörlerden Daha Akıllı Enerji Sistemlerine

Basitçe ifade etmek gerekirse, bu çalışma güneş kaynaklı bir kimyasal reaktöre kendini daha verimli çalıştırmayı öğretmenin mümkün olduğunu gösteriyor. Özelleştirilmiş g-C3N4/TiO2 nanotüp yüzey zaten karbondioksitin metan ve karbon monoksite dönüşümünü artırıyor, ancak güçlü bir öğrenme algoritmasıyla eşleştirildiğinde sistem sonsuz deneyler yapmadan neredeyse optimal koşullara odaklanabiliyor. Çalışma, yapay zekâyı geleceğin fotokatalitik cihazlarının tasarımını ve işletimini yönlendirmek için kullanmaya yönelik bir yol haritası sunuyor; böylece atık karbonu güneş ışığı ve veri odaklı içgörü yardımıyla yararlı yakıtlar ve kimyasallara dönüştürme potansiyeli taşıyor.

Atıf: 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

Anahtar kelimeler: fotokatalitik CO2 dönüşümü, güneş yakıtları, katalizde makine öğrenimi, TiO2 nanotüp fotokatalizör, metan ve CO üretimi