科技巨头 Meta 与佐治亚理工学院合作创建了一个庞大的开放数据集，以推进碳捕获的人工智能解决方案，这项技术在帮助解决全球变暖问题方面具有巨大潜力。

过度的碳排放是气候变化的主要原因，我们已经到了仅仅减少碳排放是不够的——尽管我们仍然应该这样做。

直接从空气或工业中捕获二氧化碳并回收利用是另一个听起来像是双赢的气候解决方案的想法。这样，温室气体就不会进入大气层，从而使我们能够减缓目前已开始达到危险水平的变暖速度。

然而，挑战在于，对于直接空气捕获技术，每种环境和位置都需要独特的具体设计。例如，佛罗里达州的技术配置肯定会与芬兰的技术配置不同。

该系统必须根据每个位置的温度、湿度和气流的精确参数进行设计。这种最大限度提高效率的努力需要花费宝贵的时间并花费大量资金——毫不奇怪，大多数当前的碳捕获项目都没有回报。

然而现在，佐治亚理工学院和 Meta 表示，他们已经合作创建了一个庞大的数据库，这可能使设计和实施直接空气捕获技术变得更容易、更快捷。

“开源数据库使团队能够训练人工智能模型，其速度比现有的化学模拟快几个数量级。该项目名为 OpenDAC，可以加速地球迫切需要的气候解决方案，”该大学在一份新闻稿中表示。

该团队的研究发表在美国化学会期刊《ACS Central Science》上。

“对于直接空气捕获，有很多关于如何最好地利用给定环境的气流和温度波动的想法，”化学与生物分子工程学院 (ChBE) 副教授、研究人员 Andrew J. Medford 说。该论文的主要作者。 “但一个主要问题是找到一种能够在每种环境的特定条件下有效捕获碳的材料。”

梅德福说，他们的想法是“创建一个数据库和一套工具来广泛帮助需要找到合适材料的工程师”。 “我们希望利用计算来帮助他们摆脱不知道从哪里开始的状态，转而为他们提供一份可靠的材料清单来合成和尝试。”

Meta 基础人工智能研究 (FAIR) 团队的研究人员正在寻找利用机器学习能力应对气候变化的方法，这对他们有所帮助。他们发现直接空气捕获是一项有前途的技术，并直接进入佐治亚理工学院。

FAIR 研究工程负责人、该论文的第一作者 Anuroop Sriram 通过对佐治亚理工学院团队提供的输入运行量子化学计算来生成数据库。

这些计算使用了大约 4 亿个 CPU 小时，这是普通学术计算实验室一年的计算量的数百倍。 FAIR 还在数据库上训练了机器学习模型。

但需要指出的是，碳捕获解决方案并未得到普遍支持。当然，在最好的情况下，该过程会在环境中留下更少的二氧化碳，并且捕获的碳可以用于生产混凝土等建筑材料。

换句话说，碳被捕获并密封，并创造出具有经济价值的产品。

但在更糟糕的情况下，如果捕获碳最终会增加环境中过量二氧化碳的含量，那么它可能是有害的。一个很好的例子是利用捕获的碳来提高石油采收率。

最后，即使考虑到所有这些，事实是没有任何碳捕获技术能够以 100% 的效率发挥作用，并且一些二氧化碳总是会逸散到空气中。

文章原文链接:https://www.anquanke.com/post/id/296224