Thought Leadership
Forscher am Argonne National Laboratory und Kollegen aus anderen Forschungseinrichtungen in den USA setzen generative Künstliche Intelligenz ein, um im Rekordtempo Materialien zu finden, die CO2 effektiv aus der Atmosphäre entfernen.
Zwar gibt es bereits derartige Materialien, doch der Prozess ist bei weitem zu energieintensiv. Abgetrenntes CO2 wird in tiefen geologischen Formationen endgelagert, sodass es der Atmosphäre dauerhalt entzogen bleibt, der Klimawandel also verlangsamt wird.
Träge Moleküle aussortiert
Aussichtsreiche Kandidaten für die CO2-Abtrennung aus der Luft sind Metallorganische Gerüste (MOF). Diese bestehen aus Klumpen von Metallatomen und Klumpen von organischen Molekülen, die von einer Art Kleber auf organische Basis zusammengehalten werden. Diese MOFs zeichnen sich durch hohe Porosität aus, sodass sie ideal für die Aufnahme von CO2-Molekülen sind. Doch einige sind effektiver, andere träger.
Um die optimalen MOFs zu finden, ist ungeheurer Aufwand nötig, denn es gibt Millionen und Abermillionen MOFs. Bisher fand die Suche nach den jeweils am besten geeigneten MOFs, die auch als Katalysatoren, Wasserstoffspeicher und für elektronischen Anwendungen geeignet sind, auf klassische Weise statt. Die Forscher haben überlegt, welche Kombination für den jeweiligen Zweck am besten geeignet sein könnte, stellten das Material her und testeten es. Ein langwieriger Prozess, denn meist erfüllten die MOFs nicht die hohen Erwartungen.
30 Minuten, 120.000 Tests
In einem ersten Schritt ist es dem Team gelungen, mit generativer KI binnen 30 Minuten Baustein für Baustein über 120.000 neue MOF-Kandidaten zusammenstellen. Das gelang ihnen auf dem Polaris-Supercomputer der Argonne Leadership Computing Facility. Die anschließende Simulation der CO2-Abtrennung mit den nur virtuell vorhandenen MOFs fand dann am Delta-Supercomputer der University of Illinois Urbana-Champaign statt. Das „Supermaterial“ haben die Forscher im ersten Anlauf noch nicht gefunden, doch es ist nur eine Frage von Wochen, allenfalls Monaten, bis der ideale MOF den Forschern ins KI-Netz geht.
www.pressetext.com
