Os cientistas empregam IA em projeto de novos materiais derivados de resíduos de biomassa para captura de CO2, aproveitando Aprendizado de Máquina para otimizar a absorção. Resíduos de biomassa são usados para produzir carbonos porosos que sequestram CO2 emitido de fontes pontuais como usinas de energia ou indústrias de cimento, no entanto, não há diretrizes sobre como esses carbonos de alta qualidade devem ser sintetizados ou as condições operacionais ideais. O estudo informa que cientistas empregaram método em AM para determinar que fatores essenciais são priorizados em carbonos porosos derivados de resíduos de biomassa e obter o melhor desempenho de absorção de CO2, abrindo caminho à economia circular.
Mitigar mudanças climáticas implica encontrar modos econômicos e sustentáveis de reduzir emissões industriais de CO2, sendo que a maioria dos métodos conhecidos de captura e armazenamento de carbono, CCS, em fontes industriais pós-combustão trazem desvantagens como alto custo, toxicidade ou questões de durabilidade e, neste cenário, pesquisadores se concentram na melhor aposta aos sistemas CCS de próxima geração, ou, a absorção de CO2 via materiais sólidos de carbono poroso. A vantagem de usar carbonos porosos no sequestro de CO2 é a possibilidade de produção a partir de resíduos de biomassa como de origem agrícola, alimentos, animais e detritos florestais, tornando os carbonos porosos derivados de resíduos de biomassa, BWDPCs, atraentes não apenas pelo baixo custo mas por fornecerem modo alternativo de uso adequado aos resíduos de biomassa. Embora os BWDPCs nos aproximam da economia circular, este campo de estudo é jovem e não existem diretrizes claras ou consenso entre cientistas sobre como os BWDPCs devem ser sintetizados ou quais propriedades e composições materiais se devem buscar.
Moral da Nota: estudo publicado na Environmental Science and Technology, mostra que a equipe de pesquisa colaborativa da Korea University e National University of Singapore empregaram abordagem em AM para orientar o desenvolvimento de estratégias de síntese de carbono poroso. Cientistas observaram que existem três fatores que influenciam propriedades de absorção de CO2 em BWDPCs, ou, composição elementar do sólido poroso, suas propriedades texturais e os parâmetros de absorção que opera como temperatura e pressão, no entanto, como tais fatores devem ser priorizados no desenvolvimento das BWDPCs permaneceu obscuro. Revisão da literatura selecionou 76 publicações que descreve a síntese e o desempenho de vários BWDPCs fornecendo mais de 500 pontos de dados usados para treinar e testar três modelos baseados em árvore, tentando elucidar como as ferramentas de Aprendizado de Máquina podem ser aproveitadas para análises preditivas e obter informações sobre o processo de absorção de CO2 via BWDPCs. Análises de recursos determinou a importância relativa dos recursos para fazer previsões precisas estabelecendo qual dos fatores é o mais importante para alcançar alta absorção de CO2, com resultados indicando parâmetros de absorção que mais contribuíram aos outros dois fatores destacando importância de otimizar as condições operacionais, daí, propriedades texturais dos BWDPCs como tamanho dos poros e área de superfície vêm em segundo lugar e a composição elementar por último. A equipe desenvolve estratégia de síntese à BWDPCs, concentrando-se na otimização dos dois fatores centrais mais importantes e continuarão adicionando ao banco de dados pontos experimentais e tornndo-os Open Source à comunidade de pesquisa se beneficiar, com isto, esperam atingir as sociedades sustentáveis e interromper mudança climática alcançando Objetivos da ONU de Desenvolvimento Sustentável como o Objetivo 13 ou Ação Climática.