计算机模拟迈向设计新的更高效的胺化学洗涤器的第一步
即时发布
北卡罗来纳州立大学的概念证据模拟研究分析了胺溶液在捕获二氧化碳中的效率。这一系列新电脑型号是迈向捕获二氧化碳和减少有害二氧化碳排放 - 在工业设施中更便宜，更有效的胺化学品设计的第一步。
工业洗涤器使用化学溶液从燃料和燃烧气体中捕获二氧化碳（CO2）。洗涤器是一种常用的方法，用于减少燃煤发电厂等行业的碳排放，每年生产超过140亿吨碳。然而，胺擦洗是一种昂贵的过程，因此研究人员始终寻找新的胺化学品，具有更高的吸收率，高CO 2容量和低反应热量。
Denis Fourches，NC州的化学助理教授和博士后研究员Melaine Kuenemann想知道他们是否可以创建可以根据其化学结构预测胺的吸收性能的计算机模型。
首先，研究人员编制了有关41个公共胺解决方案的信息及其所有化学和吸收性能。它们分析了每种胺的化学和结构特征，并将其分组为具有相似结构性质的化学品家族。然后他们看着这些胺可以吸收碳的程度和多么迅速。使用此数据，他们创建了一系列型号 - 被称为定量结构性质关系，或QSPR模型 - 这可以仅基于胺的结构特征来预测胺的二氧化碳吸收性能。
These models utilize machine-learning techniques – the same ones used by companies like Netflix or Amazon that “learn” a customer’s preferences and make recommendations based upon that data – in order to predict which chemical structures are likely to have the best overall CO2 absorption properties. The models were found to be capable of reliably discriminating between amines with high absorption properties versus those that were less efficient.
“这项工作是第一次尝试开发计算机模型以充分评估和预测胺解决方案的二氧化碳吸收性能，”Fourches说。“我们的下一步是利用这些计算机模型来筛选数十万个新胺的虚拟库，并识别预测的一些新的胺候选者可以更好地具有更好的碳吸收性能。
“如果你必须通过实验测试所有这些复杂的化合物，所以花费几十年的工作，”Fourches继续。“通过我们可以访问的强大计算机，可以在几天内完成此虚拟筛选，非常便宜。这是用于设计和优先化新化合物的游戏更换器。“
研究出现在分子信息学。该工作由NC州大臣教师卓越计划提供资金。
-peack-
编辑的注释：纸上的摘要跟随。
“评估其CO2吸收特性的胺溶液的化学信息造型”
作者：Denis Fourches，Melaine Kuenemann，北卡罗来纳州立大学
发表：2017年3月7日，在分子信息学
迪伊：10.1002 / MINF.201600143
抽象的：全球采用了对二氧化碳排放的更严格规定，识别捕获和再循环二氧化碳的有效化学过程对工业至关重要。称为胺擦洗的最常见的方法缺乏能够有效捕获二氧化碳的可用胺溶液。尽管高结构相似性，但其特征在于低反应热量的叔胺被认为是良好的候选物，但它们的吸收性能与一个模拟相似。这里，在从文献中收集和策划实验数据之后，我们建立了一种41个胺结构的建模组，其吸收性能。然后我们使用分子描述符和非监督聚类分析了它们的化学成分。此外，我们开发了一系列定量结构性质关系（QSPR），以评估其结构特征的胺的二氧化碳吸收性能。这些模型提供了合理的预测性能（例如，用于CO 2吸收量的Q2 LOO = 0.63）即使它们仅基于2D化学描述符和单个机器学习技术（随机林和神经网络）。总体而言，我们认为这种概念研究中提供的化学分析和QSPR模型的QSPR模型代表了新的知识和创新工具，可以非常有用，可用于筛选和优先考虑对其CO 2吸收性能进行实验合成和测试的假想胺。
