ماده‌ای طراحی‌‌شده با هوش مصنوعی که دی‌اکسیدکربن را جذب می کند

01

از 04

گرفتن حرارت و جذب دی‌اکسیدکربن

تکنیک جذب مستقیم هوا (DAC) که برای فیلتر کردن هوا از مواد جاذب استفاده می‌کند، یک روش پرهزینه است، که هزینه‌های آن امکان دارد به ۱۰۰۰ دلار برای هر تن کربن جذب‌شده برسد. اما جاناتان گادوین، بنیان‌گذار و مدیرعامل Orbital، گفته است که آزمایش‌های اولیه نشان می‌دهند که در مرکز داده بریتانیا، هزینه جذب کربن ممکن است به حدود ۲۰۰ دلار برای هر تن کاهش یابد.

وی در این باره بیان کرده است که این هزینه کمتر از آن چیزی است که انتظار داشتیم.

وی توضیح داد که کلید این موفقیت، مولکول جدیدی است که یک پودر بنفش رنگ است و در دماهای مختلفی نسبت به جاذب‌های سنتی عمل می‌کند، به همین دلیل برای محیط‌های داغ مراکز داده مناسب‌تر می‌باشد.

02

از 04

استفاده نوآورانه از هوش مصنوعی و شیمی

گادوین عنوان کرد: «ترکیب توانایی‌های هوش مصنوعی ما و تیم شیمی‌دان فوق‌العاده‌ای که داریم، به ما این امکان را می‌دهد که در زمینه جاذب‌ها، نوآوری‌های زیادی داشته باشیم.»

فن‌ها در فرایند جذب کربن، هوای اطراف را به داخل می‌کشند و آن را از طریق ماده جاذب عبور می‌دهند تا دی‌اکسیدکربن را به دام بیاندازند. سپس با گرم کردن جاذب، دی‌اکسیدکربن آزاد و در مخازن بزرگی جمع‌آوری می‌شود و به مکان‌های ذخیره‌سازی منتقل می‌گردد.

03

از 04

استقرار مقیاس‌پذیر و قابل حمل

استارت‌آپ Orbital این سیستم را در کانتینرهای حمل‌ونقل قابل حمل مستقر می‌کند، که می‌توان آنها را به‌ طور مستقیم به مراکز داده ارسال کرد. از سال‌ها قبل، ایده جذب مستقیم دی‌اکسیدکربن از هوا مطرح شده، اما هیچ‌گاه به مرحله اجرا نرسیده است.

این استارت‌آپ برای حل این مشکل، از مدل هوش مصنوعی اختصاصی خود برای طراحی مولکولی استفاده کرد، که قادر به جذب کربن به طور مؤثرتر در دماهای بالاتر است. نتیجه این کار، ماده بنفش رنگی بود، که سپس در آزمایشگاه این استارت‌آپ آزمایش شد. این شرکت اکنون قصد دارد این ماده را به عنوان اولین محصول تجاری خود به بازار عرضه کند.

04

از 04

چالش‌های پیش روی جذب دی‌اکسیدکربن

برخی غول‌های فناوری مانند آمازون و گوگل به اثرات زیست‌محیطی مراکز داده خود اشاره کرده‌اند، اما تأثیر عملیات هوش مصنوعی خود را به طور کامل حل نکرده‌اند.

طبق گفته گادوین، ارائه‌دهندگان اصلی خدمات ابری هنوز فناوری‌های جذب کربن را به‌ طور وسیع به‌کار نگرفته‌اند و این موضوع به این دلیل است که تمایلی به ریسک کردن در این زمینه ندارند.

وی گفت: «هر فناوری جدیدی مشکلاتی در مراحل اولیه دارد.»

سیستم جذب کربن Orbital هنوز در مراحل ابتدایی خود قرار دارد و مشخص نیست که آیا این فناوری قادر است به‌ طور مؤثر و در مقیاس بزرگ عمل کند یا خیر. با وجود این، استفاده Orbital از هوش مصنوعی برای طراحی مواد جدید، روند کلی استفاده از یادگیری ماشینی را برای سرعت بخشیدن به کشف‌های علمی نشان می‌دهد.

با وجود چالش‌هایی مانند: هزینه‌ها و ذخیره‌سازی کربن، آزمایش Orbital می‌تواند به‌ عنوان یک الگوی آزمایشی برای نقش مراکز داده در حذف کربن عمل کند. موفقیت یا شکست این پروژه می‌تواند درس‌های ارزشمندی برای فناوری‌های آینده در حوزه تغییرات اقلیمی به همراه داشته باشد.