纽约州立大学布法罗分校（University at Buffalo, the State University of New York）化学与生物工程助理教授Kaihang Shi 擅长使用AI、分子模拟和其他方法创建用于能源和可持续发展应用的纳米材料。他最近从美国化学学会获得一笔赞助，用于研究开发微孔薄膜聚合物材料，目的是提高天然气加工的能源效率。
微孔聚合物是具有小孔或纳米级孔的物质。它们模仿了自然发现的一些孔隙，例如页岩、木材和人骨。Shi 表示，尽管微孔聚合物的表面积是纳米级的，但微孔聚合物的表面积可能很大。
“一克金属有机框架（一种纳米多孔材料）的表面积可以高达8,000㎡，相当于布法罗大学足球场面积的一半，”化学与生物工程系助理教授 Shi 博士说，他于 2023 年加入纽约州立大学布法罗分校。
这笔来自该协会石油研究基金的赠款将支持使用复杂的计算机模拟进行实验，这些模拟可以同时快速分析许多分子的行为，以及机器学习（一种人工智能形式）。目标是创造新的聚合物，使甲烷扩散（天然气加工的关键部分）更环保且成本更低。
将纳米微孔材料作为膜材料
“微孔聚合物是很有前途的膜材料，可以满足大规模、节能天然气加工的工业需求，”Shi 说。“聚合物中错综复杂的孔隙网络对于化学分离至关重要，但这些网络对甲烷扩散的影响尚不完全清楚。”
Shi和他的研究小组旨在缩小这一差距。使用微孔聚合物进行甲烷扩散有可能成为一种处理天然气的节能方式，但这种材料错综复杂的孔隙通道使甲烷的运动难以预测。Shi 和其他人正在开发一种新颖的基于图形的计算方法来表征聚合物并预测它们在甲烷扩散等工业应用方面的特性。他们的发现有可能促进对天然地质材料中分子扩散的理解，从而可能提高石油和天然气的采收率和地质二氧化碳捕获。
“这个项目将导致一种为多孔材料量身定制的基于图形的新软件包，”Shi 说。“我们预计这个软件包将被社区采用，以增强纳米多孔材料的可视化、表征和理解。”
AI机器学习在本项目及其他领域的应用
许多机器学习模型都是黑匣子 — 它们可以产生结果，但通常不会解释它们是如何开发结果的。Shi 和团队正在开发他们的机器学习架构，不仅要提供结果，还要全面了解它是如何实现这些结果的。
