Teknologier, der skal forhindre, at vi får mere CO2 ud i atmosfæren, skal være så ressourcebesparende som muligt for ikke at skabe nye problemer for vores klima og miljø.
Den mest udbredte CO2-fangstteknologi er absorption, hvor CO2-fyldt røggas føres gennem en væske kaldet solvent, som er et kemisk opløsningsmiddel sammensat af forskellige komponenter. Den basiske solvent opløser CO2’en, som er en syre, hvorved den bliver fanget i væsken. Den rensede røg ryger videre ud ad skorstenen, mens væsken bliver varmet op til over kogepunktet for at frigøre CO2’en, som derefter kan lagres.
På DTU står professor Philip Fosbøl i spidsen for et projekt, som med en bevilling fra EUDP og ved brug af kunstig intelligens (AI) skal finde frem til nye solventer, der kan klare denne proces mere effektivt – og dermed billigere – end nuværende løsninger.
”De solventer, vi kender, er ikke optimale. Man skal nemlig bruge meget energi på at få CO2’en ud af væsken, så den kan blive klar til genbrug. Derfor arbejder vi på at finde alternative molekyler, som kan bruges i en forbedret solvent,” forklarer han.
AI tager det store slæb
Projektet har fokus på solventer lavet af aminer – en stofklasse, som altid indeholder molekyler, der har et nitrogen som centrum. De enkelte molekyler kan dog konstrueres på et hav af måder ved at udskifte nogle af atomerne, ligesom de enkelte molekyler kan kombineres på enormt mange måder – lidt ligesom når man bygger med en bunke legoklodser, hvor klodserne kan sættes sammen på nærmest uendelig mange måder.
”Udfordringen er, at kombinationsmulighederne, når man skal sammensætte en solvent, er utrolig store. Forskningen har tidligere mødt sin grænse, fordi man har været nødt til at gå i laboratoriet og lave oceaner af forsøg med mulige kandidater én for én. Vi forsøger i stedet at gennemføre en slags syntetisk testmetode med AI,” siger Philip Fosbøl.
AI’en – som er specialudviklet til formålet af projektpartner Hafnium Labs – er blevet fodret med publiceret information for solventer og fra computersimuleringer, så den kan udpege de mest lovende kandidater. Det gør den ved at lave en række beregninger på data og vidensbaserede antagelser om både kendte og simulerede molekylers egenskaber som f.eks. smeltepunkt og fordampningsvarme samt molekylernes indbyrdes påvirkning.
