שימוש ב-AI התגלה כמועיל מאוד וגרם להאצת תהליך החיפוש אחר חומר המפתח בזרז חדש שממיר את הפחמן הדו-חמצני (CO2) לאתילן – מבשר כימי למגוון רחב של מוצרים, מפלסטיק לדטרגנט כלים. האלקטרקטליסט שהתקבל הוא היעיל ביותר. אם היא פועלת באמצעות רוח או אנרגיה סולארית, בנוסף, המערכת מספקת דרך יעילה לאגור חשמל ממקורות מתחדשים אך לסירוגין אלה.

"השימוש בחשמל נקי להמרת CO2 לאתילן, שיש לו שוק עולמי של 60 מיליארד דולר, יכול לשפר את הכלכלה של לכידת פחמן וגם לאחסון אנרגיה נקייה", אומר פרופסור טד סרגנט, אחד הכותבים הבכירים במאמר חדש שפורסם בנושא. סרגנט וצוותו כבר פיתחו מספר זרזים מובילים בעולם בכדי להפחית את עלות האנרגיה של התגובה שממירה CO2 ל אתילן ומולקולות אחרות מבוססות פחמן. 

בכדי לבחון את השילובים בין חומרים כימיים שונים יידרש זמן רב. הצוות הראה שלימוד מכונות יכול להאיץ את החיפוש. בעזרת מודלים ממוחשבים ונתונים תיאורטיים, אלגוריתמים יכולים להשליך את האפשרויות הגרועות ביותר ולהצביע על הדרך לעבר מועמדים מבטיחים יותר. השימוש ב- AI לחיפוש חומרי אנרגיה נקיים התקדם בסדנה לשנת 2017 שאורגנה על ידי סרגנט בשיתוף המכון הקנדי למחקר מתקדם. הרעיון פורט עוד יותר במאמר פרשני טבע שפורסם בהמשך אותה שנה. פרופסור זכרי אוליסי מאוניברסיטת קרנגי מלון היה אחד החוקרים שהוזמנו בסדנה המקורית. הקבוצה שלו מתמחה במודלים ממוחשבים של ננו חומרים.

"עם תגובות כימיות אחרות, יש לנו מערכי נתונים גדולים ומבוססים המפרטים את חומרי הזרז הפוטנציאליים ואת תכונותיהם", אומר אוליסי. "עם המרת CO2 לאתילן אין לנו את זה, ולכן איננו יכולים להשתמש בכוח ברוט כדי לדגמן את הכל. הקבוצה שלנו בילתה הרבה זמן בחשיבה על דרכים יצירתיות למצוא את החומרים המעניינים ביותר. " האלגוריתמים שנוצרו על ידי אוליסי וצוותו משתמשים בשילוב של מודלים של למידת מכונות ואסטרטגיות למידה אקטיביות כדי לחזות באופן נרחב אילו סוגים של מוצרים שזרז נתון עשוי לייצר.

הם יישמו את האלגוריתמים הללו להפחתת CO2 למסך של מעל 240 חומרים שונים, וגילו 4 מועמדים מבטיחים שהיו חזויים בעלי תכונות רצויות על פני מגוון רחב מאוד של קומפוזיציות ומבני שטח. במאמר החדש מתארים המחברים-שותפים את החומר הזרז הטוב ביותר מהתרכובות השונות, סגסוגת נחושת ואלומיניום. לאחר ששתי המתכות נקשרו בטמפרטורה גבוהה, חלק האלומיניום נחרט אז, והתוצאה הייתה מבנה נקבובי ננומטרי שאותו Sargent מתאר "פלאפי".

סרגנט אומר שצריך להוריד את עלות האנרגיה עוד יותר אם המערכת תייצר אתילן שהיא תחרותית בעלות מזו שמקורם בדלקים מאובנים. מחקר עתידי יתמקד בהפחתת המתח הכולל הנדרש לתגובה, ובצמצום נוסף של חלקם של מוצרי הלוואי, אשר יקרים להפריד ביניהם. הזרז החדש הוא הראשון להמרה CO2-לאתילן שתוכנן בחלקו באמצעות AI. זוהי גם ההדגמה הניסיונית הראשונה של גישות הלמידה הפעילות בהן התפתח אולסי. 

הביצועים החזקים שלה מאמתים את היעילות של אסטרטגיה זו ומבשרים היטב על שיתופי פעולה עתידיים מסוג זה. "ישנן דרכים רבות בהן נחושת ואלומיניום יכולים לסדר את עצמם, אך מה שהמחשבים מראים הוא שכמעט כולם חזו כמועילים בדרך כלשהי", אומר סרגנט. "אז במקום לנסות חומרים שונים כשהניסויים הראשונים שלנו לא הסתדרו, המשכנו, כי ידענו שיש משהו ששווה להשקיע בו."