人工智能驱动离子液体碳捕集研究驶入快车道

深度学习等智能技术正大幅提速离子液体在二氧化碳捕获应用中的研发节奏，打破常规研发模式的速度限制，让离子液体在CO₂捕集材料中展现更卓越的性能。

常规离子液体设计存在三大难题：

离子液体凭借超低挥发性、阻燃特质、高度可设计性等优势，被视为取代常规有机溶剂的理想候选，智能化分子设计将驱动碳捕集技术朝着高效率、低能耗、简便化方向演进，为实现全球碳中和愿景贡献力量。AI正在为离子液体碳捕集技术引发颠覆性革新，推动绿色化学探索驶入“加速通道”。

崔国凯教授阐述了课题组在材料创制方面的最新实验突破

在题为《离子液体高效捕获烟气CO₂》的报告中，崔国凯教授介绍了课题组在材料创制方面的最新实验成果。以氮唑类离子液体为基础构建的新型低共熔溶剂系统展现出卓越性能：对于空气中浓度约420ppm的CO₂，直接捕获量可达到14 wt%（3.18 mmol/g）；对于5vol%浓度的烟气CO₂，捕获量高达26wt%（5.91 mmol/g），为DAC技术开辟了新路径。

在《AI赋能功能离子液体CO₂捕获性能解析》报告中，崔国凯教授阐述了课题组为克服传统实验筛选速率缓慢的难题，依托自主构建的功能性离子液体CO₂捕获数据库，运用双套AI建模方案实现的创新性突破：首套方案采用GC-GBR模型融合SHAP解析技术，阐明了氨基增强吸收、烷基链削弱吸收的结构-效能关联[详情链接]；第二套进阶方案开发了MD&GC-CatBoost混合模型，使预测准确度提高至R²=0.9616，并借助SHAP可诠释性分析，揭示“电荷广泛离域的阳离子”与“结构致密的阴离子”协同增强效应是达成高效CO₂捕获的核心分子机理，将AI模型升华为可诠释的分子工程指导方针。