Predicting the CO2 Capture Capability of Deep Eutectic Solvents and Screening over 1000 of their Combinations Using Machine Learning

溶解度 共晶体系 计算机科学 多层感知器 偏心因子 离子液体 机器学习 材料科学 人工智能 人工神经网络 化学 热力学 有机化学 物理 催化作用 合金
作者
Tarek Lemaoui,Abir Boublia,Soumaya Lemaoui,Ahmad S. Darwish,Barbara Ernst,Manawwer Alam,Yacine Benguerba,Fawzi Banat,Inas M. AlNashef
出处
期刊:ACS Sustainable Chemistry & Engineering [American Chemical Society]
卷期号:11 (26): 9564-9580 被引量:10
标识
DOI:10.1021/acssuschemeng.3c00415
摘要

Deep eutectic solvents (DESs) are a new class of environmentally friendly solvents that have attracted the attention of many researchers. Since DESs have several practical applications in CO2 capture, knowledge of their CO2 solubility is crucial. In this study, the CO2 solubility of DESs was predicted via a multilayer perceptron (MLP) using molecular descriptors derived from the Conductor-like Screening Model for Real Solvents (COSMO-RS). An extensive database of 2327 data points was created from 94 unique DES mixtures made from 2 anions, 17 cations, and 39 hydrogen bond donors (HBDs) at 150 different compositions and operating conditions of temperatures and pressures. Several statistical tests were performed, and after thorough hyperparameter tuning, it was found that the best MLP architecture predicted the CO2 solubility with an R2 value of 0.986 ± 0.002 and an average absolute relative deviation (AARD) of 4.504 ± 0.507. The MLP has also been loaded into an accessible Excel spreadsheet included in the Supporting Information. Thereafter, in order to guide DES molecular design for achieving high CO2 solubilities, the MLP was utilized for the high-throughput screening of 1320 DES combinations. This model encourages the creation of robust and accurate models to predict the CO2 solubility of novel DESs, which will minimize the need for conducting costly and time-consuming experiments.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
丘比特应助cg采纳,获得10
刚刚
火星上惜蕊完成签到,获得积分10
1秒前
rocky15应助文艺的幻翠采纳,获得20
1秒前
hwq发布了新的文献求助20
2秒前
Lucas应助WANG采纳,获得10
4秒前
馋嘴小糖发布了新的文献求助10
4秒前
rocky15应助joana采纳,获得20
4秒前
卤味姐姐完成签到,获得积分10
6秒前
shinysparrow应助Yxian采纳,获得10
8秒前
Orange应助直率尔芙采纳,获得10
10秒前
None完成签到,获得积分10
10秒前
酷波er应助大圆饼子采纳,获得10
10秒前
11秒前
Jasper应助云生雾霭采纳,获得10
11秒前
kmzzy完成签到,获得积分10
11秒前
科研小白完成签到 ,获得积分10
11秒前
小冉不熬夜完成签到 ,获得积分10
12秒前
喜悦松完成签到,获得积分10
13秒前
上官聪展发布了新的文献求助30
13秒前
13秒前
13秒前
爱学习的小西瓜完成签到,获得积分10
13秒前
cg发布了新的文献求助10
14秒前
丽颖完成签到,获得积分10
14秒前
没有昵称发布了新的文献求助10
14秒前
15秒前
福崽完成签到,获得积分10
16秒前
Denmark完成签到 ,获得积分10
16秒前
木木应助科研通管家采纳,获得10
16秒前
小马甲应助科研通管家采纳,获得10
17秒前
爆米花应助科研通管家采纳,获得10
17秒前
汉堡包应助科研通管家采纳,获得40
17秒前
17秒前
17秒前
闫狗婷发布了新的文献求助10
18秒前
shinysparrow应助lz采纳,获得10
19秒前
平常无颜完成签到,获得积分10
20秒前
20秒前
横空完成签到,获得积分10
21秒前
YANG完成签到 ,获得积分10
21秒前
高分求助中
Sustainable Land Management: Strategies to Cope with the Marginalisation of Agriculture 1000
Corrosion and Oxygen Control 600
Yaws' Handbook of Antoine coefficients for vapor pressure 500
Python Programming for Linguistics and Digital Humanities: Applications for Text-Focused Fields 500
重庆市新能源汽车产业大数据招商指南(两链两图两池两库两平台两清单两报告) 400
Division and square root. Digit-recurrence algorithms and implementations 400
行動データの計算論モデリング 強化学習モデルを例として 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2551950
求助须知:如何正确求助?哪些是违规求助? 2177877
关于积分的说明 5611603
捐赠科研通 1898690
什么是DOI,文献DOI怎么找? 948021
版权声明 565542
科研通“疑难数据库(出版商)”最低求助积分说明 504276