應用人工智慧於MOFs材料二氧化碳吸附研究
本研究運用了人工智慧 (Artificial Intellignce, AI) 模型，結合倒傳遞類神經網路 (Back-propagation Neural Network, BPNN) 與基因演算法 (Genetic Algorigh, GA)，將經過高壓氣體吸附測試儀與三維掃描式量熱儀所分析出的已知結果實驗樣本，來訓練類神經網路，並以基因演算法來決定類神經網路節點的權重 (Weight) 與偏移值 (Bias)，進一步預測出 Ni/DOBDC 這類高孔洞金屬氧化物有機框架材料 (Metal-Organic Frameworks, MOFs) 對於二氧化碳吸附能力。
傳統的倒傳遞類神經網路使用隨機函數的最佳化初始權重和偏差值，並利用微分法，逐步修正權重與偏移值，並將網路訓練出最小誤差的結果。但微分法容易陷入區域最佳解 (Local Minimum)，造成錯誤決策。因此，在這個研究中，作者改以基因演算法，計算出最佳的權重與偏差值。並以此訓練最佳化後的類神經網路，預測在不同壓力、溫度下，Ni/DOBDC 材料，對的二氧化碳吸附能力以及相對應的吸附熱量。以此可以預測在更寬的溫度範圍 (25−145°C)，與壓力範圍(0−3.5 Mpa) 下的二氧化碳吸附能力。
倒傳遞類神經網路
本研究中所使用的熱分析儀器，是法國 SETARAM 公司所生產的熱分析儀器，系統架構包含四個部份，吸附 (Adsorption)，量熱 (Calorimetric)，氣體 (Gas Supply)，以及資料擷取系統 (DAQ System)。主要包含兩種儀器，基於Sievert’s Method 的高壓氣體吸附測試儀 (SETARAM，PCTPRO)，以及三維Calvet掃描式量熱儀 (SETARAM，C80)，分別擔任吸附與量熱的儀器。
實驗開始前，執行樣品前處理，以獲得高純度的 NI/DOBDC 粉末。使用 C80 量熱儀，將 Ni/DOBDC粉末，以 200 °C 的溫度，在真空下加熱24小時，以移除 NI/DOBDC 已經在空際中吸附的水分與二氧化碳。供氣系統主要包含三種高純度氣體的供應管線，即二氧化碳 (CO2)，氮氣 (N2), 氦氣 (He)，並將他們連接到 PCTPRO 高壓氣體吸附儀。氮氣用於驅動 PCTPRO 氣體吸附儀的氣動閥。而氦氣則通過 C80 量熱儀，以校準樣品槽內的氣體容積。二氧化碳則是作為吸附氣體，並達到樣品槽預先設定的壓力。
目標溫度可透過 C80 量熱儀本身來控制，而在吸附的過程中，供給 NI/DOBDC 材料的熱量，則是由 PCTPRO 高壓氣體吸附測試儀來控制。整個量測系統的配置如下圖：
整個量測系統的架構圖
有關這項研究的詳細內容，請參閱西安交通大學的原始論文，"Prediction and Experimental Verification of CO2 Adsorption on Ni/DOBDC Using a Genetic Algorithm–Back-Propagation Neural Network Model" 。關於本研究所使用的設備，歡迎來電聯絡勢動科技，我們將為您說明，並規劃整組儀器設備。