面向CO₂捕集的吸附剂研究：从传统设计到机器学习

摘要

随着全球气候问题日益严峻，碳捕集技术对于实现“双碳”目标的重要性愈加凸显。在众多碳捕集材料中，吸附剂因其优异的选择性、高吸附容量及长期稳定性等优势，已成为实现高效CO₂捕集的核心材料体系。其中，面向碳捕集应用场景的CO₂吸附剂主要涵盖碳基吸附剂、胺基复合吸附剂、沸石分子筛、介孔二氧化硅、金属有机框架材料、共价有机框架材料和磁性纳米颗粒等类型。首先，系统梳理了上述各类CO₂吸附材料的研究进展，着重对比分析其吸附动力学、吸附机理及循环稳定性等关键性能指标；其次，深入剖析机器学习技术在CO₂吸附剂开发中的研究进展，包括基于主动学习的新材料筛选系统开发、基于神经网络和高通量计算的吸附容量等性能评估以及通过特征工程建立吸附参数与孔隙结构等参数的机理分析；最后，指出该领域当前面临的一些瓶颈问题，包括构建标准化多指标数据库、跨尺度数据融合困难及实验验证滞后等。未来应聚焦材料基因工程与机器学习的深度融合，开发兼具解释性和预测性的新一代算法框架，建立机器学习-实验闭环验证系统。

关键词

CO₂捕集 / 吸附剂 / 机器学习

基金资助

陕西省自然科学基金资助项目(2025JC-YBMS-445); 国家自然科学基金资助项目(52474443)