英国赫瑞瓦特大学科研人员开发了一种机器学习模型，能够准确预测金属有机框架和其他吸附剂的热容量，为未来的碳捕获技术开辟了应用前景。研究发表在《自然·材料》杂志上。

　　金属有机框架（MOF）是一类含有纳米级孔隙的材料。这些孔隙，以及MOF丰富多样的化学性质，使它们的用途非常广泛，包括从发电厂和工厂捕获二氧化碳。热容量等材料特性使其能够估算驱动碳捕获过程所需的能量。该科研团队利用机器学习模拟了碳捕获工厂中材料的性能。结果表明，在MOF热容值正确的情况下，碳捕获过程的总能源成本远低于最初计算的成本。一些MOF使能源成本降低了50％，这极大地影响了工艺的技术经济可行性。

　　注：本文摘自国外相关研究报道，文章内容不代表本网站观点和立场，仅供参考。