多伦多大学工程学院（University of Toronto Engineering）和卡内基美隆大学（Carnegie Mellon University ）研究人员正使用 AI 人工智慧加速将废碳转化为具商业价值的产物，并取得破纪录的效率。
他们利用 AI 加快寻找新型催化剂关键材料的速度，这种新型催化剂能将二氧化碳（CO2）转化成乙烯（Ethylene），乙烯是从塑胶到洗碗精等各种产品都会用到的化学前体（Chemical Precursor）。由此产生的电催化剂（Electrocatalyst）是同类产品效率最高的，如果使用风力或太阳能发电，还提供有效的方式封存来自这些间歇性可再生能源的电力。
乙烯市场规模达 600 亿美元，洁净电力废碳转换提升洁净能源封存经济效益
「利用洁净电力将二氧化碳转化成全球市场规模达 600 亿美元的乙烯，可提升碳捕捉和洁净能源封存的经济效益。」Ted Sargent 教授在 2020 年 5 月 13 日刊登于《自然》（Nature）期刊的新论文指出。他是论文资深作者（Senior Author）之一。
Sargent 和团队已开发一些世界领先的催化剂，以便降低将二氧化碳转化为乙烯和其他碳基分子等化学反应的能源成本。但即使已有更好的催化剂，且有数百万种潜在的材料组合可供选择，但一一测试非常耗时。
团队表明，机器学习（ML）可加快搜寻的速度。使用电脑模型和理论数据，演算法可剔除最糟糕的选择，并找出最佳的材料组合选择。Sargent 与加拿大先进研究所（Canadian Institute for Advanced Research，CIFAR）合作举办的 2017 年研讨会，採用 AI 搜寻洁净能源材料的技术已取得进展。当年稍晚，于《自然》期刊发表的评论文进一步阐述了这个想法。
卡内基美隆大学 Zachary Ulissi 教授是最初研讨会的受邀研究人员之一，他的团队专门研究奈米材料的电脑建模。「透过其他各种化学反应，我们建立了庞大且完善的资料库，列出潜在的催化剂材料及特性。」Ulissi 指出：「至于将二氧化碳转化为乙烯的化学反应，我们没有相关资料，因此我们无法透过穷举法为所有东西建模。团队花了很多时间思考寻找最有趣材料的创意方法。」
Ulissi 和团队创建的演算法，结合机器学习模型和主动学习策略，广泛预测特定催化剂可能产生的产物类型，甚至不需详细建模材料本身。他们应用这些二氧化碳排放演算法筛选出超过 240 种不同材料，发现 4 种有商业化前途的候选材料，这些材料预计在非常广泛的成分和表面结构都有理想特性。
新催化剂反应取得破纪录 80% 法拉第效率，AI 勾勒废碳回收再利用的美好未来
这篇新论文，两位共同作者描述了最佳催化剂材料，为铜和铝的合金。两种金属在高温下结合后，一些铝腐蚀掉，形成奈米级多孔结构，Sargent 形容此结构很「鬆软」。他们然后在一个称为电解器的装置测试新催化剂，测得的「法拉第效率」（Faradaic efficiency，ηF）为 80%（製造所需产物的电流比例），这是该反应的新纪录。
Sargent 指出，如果系统想生产远比化石燃料提炼更具成本竞争力的乙烯，那幺就需进一步降低能源成本。未来的研究将集中在降低化学反应所需的总电压，以及进一步降低副产物的比例，因为分离副产物的成本很高。
这种新型催化剂是第一个运用 AI 设计的二氧化碳转化乙烯催化剂。这也是 Ulissi 开发主动学习方法的第一次实验展示，强大效能验证此策略的有效性，并预示这种性质的协同合作会有美好的未来。
「铜和铝的排列方式有很多种，但计算结果显示，几乎所有铜和铝的排列方式都认为有帮助」，Sargent 表示：「所以当我们第一次实验失败时，并没有立即改试不同的材料而决定坚持下去，因为我们知道有值得投资的地方。」
- Artificial Intelligence Helps Researchers Up-Cycle Waste Carbon With Record Efficiency
（
