← नवीनतम पेपर
🔬 सामग्री विज्ञान

Characterizing adsorption thermodynamics in carbon capture materials: an efficient first-principles approach

यह शोध पत्र एक न्यूरल क्लासिकल डेंसिटी फंक्शनल थ्योरी फ्रेमवर्क प्रस्तुत करता है जो 5,000 से अधिक मेटल-ऑर्गेनिक फ्रेमवर्क्स के लिए 'एब इनिशियो' (ab initio) अधिशोषण आइसोथर्म्स की कुशलतापूर्वक गणना करता है, जिससे यह पता चलता है कि विशिष्ट कार्बन कैप्चर प्रक्रियाओं के लिए इष्टतम सामग्रियों को केवल बाइंडिंग स्ट्रेंथ ही नहीं, बल्कि पोर साइज और बाइंडिंग साइट ज्योमेट्री भी निर्धारित करती है।

मूल लेखक: Anna T. Bui, Grant M. Rotskoff, Thomas E. Markland

प्रकाशित 2026-11-19
📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Anna T. Bui, Grant M. Rotskoff, Thomas E. Markland

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कार्बन डाइऑक्साइड वैश्विक जलवायु परिवर्तन का प्राथमिक चालक है, और इसे वायुमंडल या औद्योगिक धुएं से निकालना समाज के सामने सबसे गंभीर चुनौतियों में से एक है। इसे प्रभावी ढंग से करने के लिए, इंजीनियर ऐसे छिद्रपूर्ण पदार्थों (porous materials) पर भरोसा करते हैं जो स्पंज की तरह काम करते हैं, जो गैस की धारा से कार्बन डाइऑक्साइड को सोख लेते हैं और फिर दबाव या तापमान बदलने पर इसे फिर से छोड़ देते हैं। इस काम के लिए सबसे आशाजनक उम्मीदवार मेटल-ऑर्गेनिक फ्रेमवर्क्स (MOFs) हैं। ये क्रिस्टलीय संरचनाएं हैं जो धातु के नोड्स (metal nodes) से बनी होती हैं जो कार्बनिक लिंकर्स (organic linkers) द्वारा जुड़े होते हैं, जिससे नन्हे छिद्रों और सुरंगों का एक विशाल नेटवर्क बनता है। क्योंकि वैज्ञानिक इन निर्माण खंडों (building blocks) को अनगिनत तरीकों से मिला और जोड़ सकते हैं, इसलिए दर्जनों हजारों ज्ञात ढांचे और लाखों अन्य मौजूद हैं जो केवल कंप्यूटर मॉडल के रूप में अस्तित्व में हैं। समस्या यह है कि इतने सारे विकल्पों में से किसी विशिष्ट कार्य के लिए सबसे अच्छे पदार्थ को ढूंढना प्रयोगशाला में परीक्षण और त्रुटि (trial and error) के माध्यम से करना असंभव है। इसके बजाय, शोधकर्ताओं को यह अनुमान लगाने के लिए कंप्यूटरों की ओर मुड़ना पड़ता है कि कौन सी संरचनाएं सबसे अच्छा काम करेंगी, लेकिन आवश्यक सटीकता के साथ ऐसा करना ऐतिहासिक रूप से बहुत धीमा और महंगा रहा है।

मुख्य कठिनाई इन सामग्रियों के वास्तविक दुनिया की स्थितियों में व्यवहार का पूर्वानुमान लगाने में निहित है। एक सामग्री तब लगभग खाली होने पर आदर्श लग सकती है, लेकिन गैस से भरने पर इसका प्रदर्शन नाटकीय रूप से बदल सकता है। पारंपरिक कंप्यूटर विधियां यह गणना कर सकती हैं कि एक सामग्री कितनी कम दबाव पर कितनी गैस धारण करती है, लेकिन वे एक खाली अवस्था से पूरी तरह भरी हुई अवस्था तक की पूरी यात्रा को बिना अत्यधिक कंप्यूटिंग शक्ति के मैप करने में संघर्ष करती हैं। इस सीमा ने वैज्ञानिकों को सरलीकृत मेट्रिक्स (metrics) पर निर्भर रहने के लिए मजबूर किया है जो छिद्रों के भीतर गैस के जटिल व्यवहार को समझने में विफल रहते हैं। एक नए अध्ययन में, स्टैनफोर्ड यूनिवर्सिटी के शोधकर्ताओं ने इन सामग्रियों को प्रथम सिद्धांतों (first principles) से सिम्युलेट करने का एक तेज़, अधिक सटीक तरीका विकसित किया है। उन्होंने एक नए प्रकार के मशीन-लर्निंग मॉडल को जोड़ा, जो परमाणुओं की परस्पर क्रिया की अत्यधिक सटीकता के साथ भविष्यवाणी करता है, और एक गणितीय ढांचे के साथ जो बताता है कि तरल पदार्थ जटिल आकारों में कैसे स्थिर होते हैं। यह संयोजन उन्हें पिछले तरीकों की तुलना में बहुत कम समय में हजारों सामग्रियों के पूर्ण प्रदर्शन की गणना करने की अनुमति देता है, जिससे यह पता चलता है कि सामग्री के प्रदर्शन वक्र (performance curve) का आकार उसकी कच्ची ताकत की तुलना में कहीं अधिक महत्वपूर्ण है।

शोधकर्ताओं ने 5,000 से अधिक प्रयोगात्मक रूप से रिपोर्ट किए गए मेटल-ऑर्गेनिक फ्रेमवर्क्स में कार्बन डाइऑक्साइड के व्यवहार का अनुकरण करके अपने नए दृष्टिकोण का परीक्षण किया। उन्होंने गैस के अणुओं और ठोस ढांचे के बीच परस्पर क्रिया का वर्णन करने के लिए एक मौलिक मशीन-लर्नड पोटेंशियल (machine-learned potential) का उपयोग किया, जो क्वांटम मैकेनिकल डेटा पर प्रशिक्षित एक प्रकार का आर्टिफिशियल इंटेलिजेंस है। इस डेटा को न्यूरल डेंसिटी फंक्शनल थ्योरी मॉडल में फीड करके, वे सीधे अधिशोषण समताप रेखा (adsorption isotherm) की गणना कर सके—वह वक्र जो दिखाता है कि एक सामग्री विभिन्न दबावों पर कितनी गैस धारण करती है—बिना उन धीमी, पारंपरिक सिमुलेशन को चलाए जिनमें आमतौर पर दिनों या हफ्तों का समय लगता है। उनके परिणामों ने दिखाया कि यह नई विधि प्रयोगात्मक डेटा को उच्च सटीकता के साथ पुनरुत्पादित कर सकती है, जो सर्वोत्तम मौजूदा मॉडलों के प्रदर्शन से मेल खाती है और कई गुना तेज़ है। इस दक्षता का अर्थ था कि वे ज्ञात ढांचों के पूरे डेटाबेस की स्क्रीनिंग कर सके, जो पहले इतनी उच्च-सटीक भौतिकी (high-fidelity physics) के साथ असंभव था।

इस व्यापक स्क्रीनिंग से सबसे महत्वपूर्ण खोज यह थी कि सभी सामग्रियां एक जैसा व्यवहार नहीं करती हैं। एक एकल मानक पैटर्न के बजाय, शोधकर्ताओं ने पाया कि समताप रेखाएं (isotherms) चार अलग-अलग आकारों में विभाजित हैं, जो छिद्रों के आकार और उनके भीतर बाइंडिंग साइट्स (binding sites) की प्रकृति द्वारा निर्धारित होती हैं। कुछ सामग्रियों में छोटे छिद्र और बहुत मजबूत बाइंडिंग स्पॉट थे, जिससे वे जल्दी भर जाते थे और फिर रुक जाते थे, जिससे एक तीव्र वक्र बनता था। अन्य में बड़े छिद्र और कमजोर दीवारें थीं, जहाँ गैस पहले धीरे-धीरे भरती थी और फिर जैसे ही अणु एक-दूसरे को आकर्षित करने लगे, वह अचानक बढ़ गई, जिससे एक S-आकार का वक्र बना। तीसरे समूह ने दो-चरणीय भरने की प्रक्रिया दिखाई, जहाँ बड़े स्थानों के भरने से पहले छोटी जेबें भर गईं। चौथे समूह ने, जो डेटाबेस का अधिकांश हिस्सा था, एक क्रमिक, स्थिर भरने का पैटर्न दिखाया। शोधकर्ताओं ने पाया कि अक्सर उपयोग किया जाने वाला सरल मीट्रिक, जो केवल बहुत कम दबाव पर गैस धारण करने की मात्रा को मापता है, इन विभिन्न आकारों के बीच अंतर नहीं कर सका। यह एक गंभीर चूक है क्योंकि वक्र का आकार यह तय करता है कि किसी विशिष्ट औद्योगिक प्रक्रिया के लिए कौन सी सामग्री सबसे अच्छी है।

अध्ययन ने स्पष्ट किया कि "सर्वश्रेष्ठ" सामग्री पूरी तरह से इस बात पर निर्भर करती है कि कैप्चर प्रक्रिया को कैसे डिजाइन किया गया है। उन प्रक्रियाओं के लिए जो गैस को मुक्त करने के लिए दबाव कम करने या तापमान बढ़ाने पर निर्भर करती हैं, जिन्हें वैक्यूम या टेम्परेचर स्विंग एडजॉर्प्शन (vacuum or temperature swing adsorption) कहा जाता है, छोटे छिद्रों और मजबूत बाइंडिंग साइट्स वाली सामग्रियां स्पष्ट विजेता थीं। ये सामग्रियां कम दबाव पर गैस को मजबूती से पकड़ती हैं और स्थितियां बदलने पर इसे कुशलतापूर्वक छोड़ देती हैं। हालांकि, उन प्रक्रियाओं के लिए जो उच्च स्तर पर दबाव बदलने पर निर्भर करती हैं, बड़े छिद्रों और कमजोर बाइंडिंग दीवारों वाली सामग्रियां कहीं बेहतर प्रदर्शन करती हैं। इन मामलों में, दबाव बढ़ने के साथ भरने की क्षमता, कुछ मजबूत स्थानों के जल्दी संतृप्त (saturated) हो जाने की तुलना में अधिक मूल्यवान थी। शोधकर्ताओं ने प्रत्येक सामग्री को पुनर्जीवित करने, या कैप्चर की गई गैस को छोड़ने के लिए आवश्यक ऊर्जा की भी गणना की ताकि सामग्री का पुन: उपयोग किया जा सके। उन्होंने पाया कि तापमान-आधारित चक्रों के लिए, मजबूत बाइंडिंग साइट्स वाली सामग्रियां सबसे अधिक ऊर्जा-कुशल थीं, जबकि दबाव और तापमान के संयुक्त चक्रों के लिए, बड़े छिद्रों और सहकारी भरने (cooperative filling) वाली सामग्रियां श्रेष्ठ थीं।

यह कार्य कार्बन कैप्चर सामग्रियों के अगले स्तर के डिजाइन के लिए एक स्पष्ट रोडमैप प्रदान करता है। यह दिखाता है कि कोई एक सार्वभौमिक समाधान नहीं है; इसके बजाय, सामग्री की संरचना को कैप्चर प्रक्रिया की विशिष्ट स्थितियों के अनुरूप बनाया जाना चाहिए। यदि लक्ष्य हवा या कम दबाव वाले फ्लू गैस (flue gas) से कार्बन डाइऑक्साइड निकालना है, तो इंजीनियरों को ऐसे फ्रेमवर्क खोजने चाहिए जिनमें छोटे छिद्र और मजबूत धातु स्थल हों। यदि लक्ष्य उच्च-दबाव वाली धाराओं को संभालना है, जैसे कि प्री-कंबशन कैप्चर में पाया जाता है, तो उन्हें ऐसे बड़े छिद्रों वाले सामग्रियों की तलाश करनी चाहिए जो सहकारी रूप से भरने की अनुमति देते हैं। अध्ययन ने प्रत्येक परिदृश्य के लिए विशिष्ट शीर्ष उम्मीदवारों की भी पहचान की, जिसमें Mg-MOF-74 जैसी प्रसिद्ध सामग्रियां (टेम्परेचर स्विंग के लिए) और IRMOF-1 जैसे बड़े-छिद्र वाले फ्रेमवर्क (प्रेशर स्विंग के लिए) शामिल हैं। कम-दबाव वाले अपटेक के आधार पर सरल रैंकिंग से आगे बढ़कर, यह शोध सामग्रियों को चुनने का एक अधिक सूक्ष्म और सटीक तरीका प्रदान करता है, जो जलवायु परिवर्तन को कम करने के लिए आवश्यक प्रौद्योगिकियों के विकास को गति दे सकता है। इन जटिल व्यवहारों को तेज़ी से और सटीक रूप से अनुमान लगाने की क्षमता का अर्थ है कि वैज्ञानिक अब अपना ध्यान उन विशिष्ट सामग्रियों के संश्लेषण पर केंद्रित कर सकते हैं जो गणितीय रूप से काम करने के लिए प्रमाणित हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →