美国能源部橡树岭国家实验室(Oak Ridge National Laboratory)的科学家们在了解直接空气捕获(DAC)从大气中捕获二氧化碳的可行过程方面取得了重大进展。这个DAC进程处于早期发展阶段，其目的是实现负排放，即从地球周围的气体中去除的二氧化碳量超过排放的量。
这项研究最近发表在《细胞报告:物理科学》杂志上，重点研究了利用水甘氨酸(一种以吸收特性而闻名的氨基酸)封存二氧化碳的基本步骤。通过结合一系列先进的计算方法，科学家们探索了与二氧化碳捕获速率相关的液体溶液中较少被探索的动态现象。
“水中的化学反应很复杂，特别是当水分子的运动起很大作用时，”Santanu Roy说，他与同事Vyacheslav Bryantsev设计了这项计算研究。“水分子和化学物质参与了一种类似于耦合舞蹈的东西，可以略微或显着减缓反应。了解这些被称为非平衡溶剂效应的动态相互作用，对于全面了解反应如何进行以及反应发生的速度至关重要。”
研究人员发现，在检测二氧化碳被吸收的速率时，仅仅关注自由能势垒——系统从一种状态过渡到另一种状态必须克服的能量阈值——是一种过于简单化的方法，不能提供全貌。这种不完整的方法可能导致对反应动力学的不准确理解，即影响反应发生速度的因素。
Bryantsev说:“我们采用了一种更完整的方法，考虑了水对反应路径运动的影响，结果很有趣。”“第一步，甘氨酸与二氧化碳相互作用，比下一步慢近800倍，在下一步中，一个质子被释放，最终形成产物状态的混合物，以容纳吸收的二氧化碳。
“引人注目的是，自由能垒在这两个步骤中都保持不变，因此这种不同的观点真正区分了这两个关键阶段的速度，并提供了提高二氧化碳吸收和分离效率的途径。”
本研究中广泛使用的从头算分子动力学模拟仍然受到时间短、长度尺度短和计算成本高的限制。
“对于未来的项目，我们打算将新兴的机器学习方法与高度精确的模拟相结合，并基于深度神经网络开发原子间相互作用的潜力。这将使我们能够在大尺度上进行高精度的分子模拟，同时显著降低计算成本，”进行模拟的马新友说。
Roy补充说:“虽然我们已经描绘了水氨基酸捕获二氧化碳的分子水平动力学图像，但通过使用机器学习方法获得大长度和时间尺度将帮助我们了解宏观因素(如温度、压力和粘度)对DAC的影响，以及这些影响与所获得的分子图像之间的关系。”
总的来说，这项研究的发现揭示了DAC复杂的工作原理，并强调了动力学、热力学和分子相互作用在水氨基酸从大气中去除二氧化碳中的重要作用。随着这些机制得到更准确的理解，部署大规模DAC技术的前景将变得更加可行。在世界范围内，若干不同的DAC项目正处于研究、测试和开发的不同阶段。
