ارائه روش فناورانه برای جلوگیری از آلاینده‌های صنایع از سوی دانشگاه صنعتی امیرکبیر

به گزارش گروه دانشگاه خبرگزاری دانشجو، به نقل از دانشگاه صنعتی امیرکبیر، رومینا فاضلی از دانش آموختگان دانشگاه صنعتی امیرکبیر با راهنمایی دکتر محمد رحمانی عضو هیات علمی دانشکده مهندسی شیمی این دانشگاه تحقیقاتی را با عنوان "ذخیره سازی 2CO در چارچوب‌های آلی فلزی (MOF) با کمک روش‌های هوش مصنوعی را اجرایی کرد.

وی در این باره توضیح داد: امروزه توسعه سریع اقتصاد جهانی، صنعتی شدن و گسترش شهرنشینی باعث افزایش تقاضای سوخت‌های فسیلی شده است و مسایلی، چون افزایش دمای کره زمین در اثر انتشار گاز‌های گلخانه‌ای و غلظت رو به افزایش آن‌ها از مهمترین چالش‌های زیست محیطی به شمار می‌رود.

فاضلی اضافه کرد: وجود این چالش‌ها باعث بروز تغییرات در شرایط آب و هوایی جهانی شده است. دراین میان گاز کربن دی اکسید بیشترین درصد آلایندگی را به خود اختصاص می‌دهد.

این محقق یکی از راهکار‌های موثر برای کاهش این اثرات ناخواسته را جذب کربن دی اکسید و حذف آن از محیط دانست و اضافه کرد: از این رو در این پژوهش از چارچوب‌های آلی فلزی (MOF) برای جذب و ذخیره سازی دی اکسید کربن استفاده شد.

این دانش آموخته دانشگاه صنعتی امیرکبیر چارچوب‌های آلی فلزی را دسته‌ای از مواد کریستالی متخلخل دانست که از اتصال یون‌های فلزی یا کلاستر‌های فلزی و لیگاند‌های آلی تشکیل شده‌اند که کاربرد‌های زیادی به ویژه در جذب، جداسازی و ذخیره سازی گاز‌ها دارند.

وی تاکید کرد: این جاذب‌ها به دلیل ویژگی‌های منحصربه فرد خود، چون ساختار قابل تنظیم، سطح ویژه بالا و غیرآلایندگی، از پتانسیل بالایی برای ذخیره سازی 2CO برخوردار هستند.

فاضلی خاطر نشان کرد: انتخاب ماف مناسب برای یک کاربرد خاص یک چالش مهم است؛ چراکه بررسی عملکرد تعداد زیادی MOF در مقیاس آزمایشگاهی امری زمان‌بر و پرهزینه است از این رو با استفاده از یادگیری ماشین که شاخه‌ای از هوش مصنوعی است، عملکرد هزاران MOF برای فرآیند‌های مورد نظر با روشی مقرون به صرفه مورد ارزیابی قرار گرفته است.

وی اضافه کرد: بر این اساس در این پروژه با دریافت مجموعه بزرگی از اطلاعات و با استفاده از آمار و برخی الگوریتم‌ها، الگو و روابط بین داده‌ها شناسایی شد و مدلسازی بین ورودی و خروجی سیستم انجام گرفت. در این پژوهش ضمن ایجاد مدل با استفاده از کتابخانه تنسور فلو، از 6 الگوریتم یادگیری ماشین که از زیر مجموعه‌های هوش مصنوعی و جز روش‌های تلفیقی است، استفاه شد.

به گفته وی نتیجه این تحقیق در صنایع انرژی برای جذب کربن دی اکسید حاصل از گاز‌های خروجی نیروگاه‌ها و کارخانه‌ها قابل استفاده است. این امر می‌تواند به کاهش انتشار گاز‌های گلخانه‌ای و مقابله با تغییرات آب و هوایی کمک کند.

وی ذخیره سازی مطلوب 2CO از دیگر دستاورد‌های این طرح دانست که دارای ارزش‌های زیادی است که از آن جمله می‌توان به بهبود ازدیاد برداشت نفت از طریق روش‌های مناسب مهندسی مخزن، استفاده از 2CO جذب شده برای تولید مواد شیمیایی صنعتی، از جمله متانول، و کود شیمیایی اشاره کرد.

فاضلی با اشاره به ویژگی‌های این طرح گفت: از جمله کاربرد و ویژگی این طرح این است که می‌تواند برای طراحی و توسعه چارچوب‌های آلی فلزی با عملکرد جذب کربن دی اکسید بهبود یافته استفاده شود. این چارچوب‌ها در صنایع مختلفی مانند انرژی، محیط زیست، و مواد کاربرد‌های مختلفی دارند.