化学分离的精确能量系统建模是技术选择的关键组成部分，以最大限度地降低运营成本、能耗和排放。
今日，沙特 阿卜杜拉国王科技大学（King Abdullah University of Science & Technology）Gergo Ignacz，Gyorgy Szekely等，在Nature Energy上发文，报道了一种基于数据驱动和机械模型的混合建模方法，以从整体上比较化学分离性能。这一模型可用于为给定化学分离，以选择最合适的技术，例如膜分离、蒸发、提取或混合配置，通过训练机器学习模型，使用开放访问的膜数据集预测溶质排斥。据估计，利用这种方法后，工业相关分离的能耗和二氧化碳排放量平均减少40%。预测并分析了几个工业部门的710万次溶质排斥。通过选择最有效的技术，药物纯化可实现高达90%二氧化碳减排。在全球范围内减少二氧化碳排放量和降低运营成本，建立了参数阈值，以促进企业和政府决策。![]()
A hybrid modelling approach to compare chemical separation technologies in terms of energy consumption and carbon dioxide emissions. 从能耗和二氧化碳排放角度，比较化学分离技术的混合建模方法。![]()
图1: 混合模型和应用域的示意图。
![]()
图2:化学空间可视化和参数分布。
![]()
图3: 纳滤和蒸发的工艺流程和比较。
![]()
图4: 纳滤和萃取与全球能源和二氧化碳当量减排比较。
![]()
图5: 应用数据集中710万溶质排斥分析。
![]()
图6 :产物和杂质之间124,010溶质的化学空间可视化。
![]()
图7: 用于液相肽合成的纳米星筛分。
![]()
图8: 能量和排放减少的阿哌沙班Apixaban和美托洛尔metoprolol排斥。
Ignacz, G., Beke, A.K., Toth, V. et al. A hybrid modelling approach to compare chemical separation technologies in terms of energy consumption and carbon dioxide emissions. Nat Energy (2024). https://doi.org/10.1038/s41560-024-01668-7https://www.nature.com/articles/s41560-024-01668-7声明：仅代表译者观点，如有不科学之处，请在下方留言指正！
