劳伦斯利弗莫尔国家实验室 (LLNL) 的科学家团队开发了一种机器学习模型，以从原子层面了解胺基吸附剂中的二氧化碳捕获情况。这种创新方法有望提高直接空气捕获 (DAC) 技术的效率，这对于减少大气中已经存在的过量二氧化碳至关重要。
尽管美国不断努力实现经济脱碳，但美国能源部预测，到 2050 年，全国大部分能源生产仍将来自不可再生能源。这凸显了不仅需要开发新的可再生能源技术，还需要改进捕获和储存二氧化碳排放的方法。
胺基吸附剂已成为一种有前途的解决方案，即使在超稀条件下也能有效吸附二氧化碳。这些吸附剂成本低廉，使多家公司能够扩大这项技术的规模，证明 DAC 是一种可行的应对全球变暖的方法。然而，在实验相关条件下捕获二氧化碳的化学方面仍然存在巨大的知识空白。
LLNL 团队的机器学习模型显示，胺吸收二氧化碳涉及氨基和二氧化碳之间碳氮化学键的形成，以及一组复杂的溶剂介导的质子转移反应。这些质子转移反应对于最稳定的二氧化碳结合物种的形成至关重要，并受到质子量子涨落的显著影响。