寻找捕获二氧化碳的新材料是加速碳捕获和直接空气捕获行业的关键部分。为了加快发现新的碳捕获吸收剂的速度，伊利诺伊大学芝加哥分校、阿贡国家实验室和其他几家机构的研究人员正在合作利用生成式人工智能的力量。

生成式人工智能使用深度学习模型，可以获取原始数据，并在提示时“学习”生成统计上可能的输出。研究结果发表在一篇论文中:基于分子扩散模型的生成式人工智能框架，用于设计用于碳捕获的金属有机框架。

“捕获碳的试验太慢了。”UIC土木、材料和环境工程教授、阿贡国家实验室制造科学与工程主任桑塔努·乔杜里(Santanu Chaudhuri)解释说:“你有数十亿种可能性，然后你必须缩小到具有良好碳吸收能力的候选物……通过这个项目，我们已经迈出了重要的第一步，通过使用生成人工智能来缩小差距。”

研究小组创建的人工智能模型探索了化学排列的广阔空间，这些化学排列可用于制造捕获二氧化碳的金属有机框架等材料。在该模型探索了数十亿种可能性之后，它组装了12万个潜在结构。

然后，该团队的任务是进行额外的测试，以去除那些具有不可能的物理或化学特征的材料，或者那些制造起来太困难或太昂贵的材料。他们必须使用计算机模型来预测每种结构的碳捕获能力。然后，他们对最佳的364个候选分子进行了深入的3D分子动力学模拟，以了解其结构质量。

最后，研究人员选择了六个表现最好的结构。它们可以在实验室中合成并接受现实世界的实验，而计算测试的数据可以反馈到人工智能模型中，以产生下一代更高质量的候选产品。

根据该论文，整个框架，从人工智能模型到3D模拟，可以在12小时内使用现代超级计算机完成。