99%准确率！碳捕获溶剂“状态监测”有了AI新方案

在火力发电厂的烟囱后，一场看不见的“碳争夺战”每天都在发生——溶剂（比如碳酸钾溶液）需要精准“吃掉”废气中的二氧化碳，又得在再生时高效“吐出”，才能让碳捕获技术既省钱又省力。但溶剂的“饭量”（负载量）和“浓度”（强度）该怎么快速测准？传统滴定法像“慢镜头”，费时又易错；瑞典皇家理工学院的研究团队在《Frontiers of Chemical Science and Engineering》期刊上亮出“新招”：用经验公式+AI模型双管齐下，把溶剂状态监测的准确率推到了99%以上。

溶剂“状态”卡脖子：测不准=费钱费能

碳捕获的核心是“吸收-再生”循环：溶剂在吸收塔“喝”二氧化碳，到再生塔“吐”二氧化碳，反复使用。但溶剂的“负载量”（吸收了多少二氧化碳）和“强度”（自身浓度）是关键——负载太低，溶剂没“吃饱”，得循环更多次，耗电；负载太高，溶剂“撑着了”，再生时加热更费劲，能耗飙升。过去测这俩指标靠滴定法：取点溶剂，加试剂反应，看用了多少试剂。但这活像“手工秤”，耗时、费人工，还容易手抖测错，直接影响碳捕获效率。

经验公式+AI：给溶剂“拍CT”

研究团队干了两件大事：一是用实验数据“炼”出经验公式，直接通过温度、浓度算溶剂的密度、折射率、电导率和pH值；二是训练AI（前馈神经网络），反过来用这些“体检指标”（比如密度多高、电导率多少）反推溶剂的负载量和强度。

经验公式有多准？

• 密度：溶剂越浓（强度高），分子挤得越紧，密度越大；温度越高，分子“蹦跶”得越欢，密度越小。模型预测值和实验数据几乎“贴脸”——R²=0.9997，误差不到0.1%，比用尺子量长度还准。
• 折射率：和密度“同频”，浓度越高、温度越低，光在溶剂里“走得越慢”，折射率越大。模型R²=0.9994，误差仅0.0189%，相当于1000次测量只错0.2次。
• 电导率：浓度越高、温度越高，离子“跑”得越快，电导率越大；但负载量越高（吸收的二氧化碳越多），溶剂里的碳酸根离子变成碳酸氢根离子，后者“腿短”跑得慢，电导率反而下降。模型在不同负载量下的R²都超99.9%，比天气预报还稳。

AI模型更“智能”
团队用8种输入组合（比如单用红外光谱、单用物理性质，或两者“组队”）训练AI，发现最“强组合”是“物理性质+红外/紫外光谱+全温度数据”。这时AI预测溶剂强度的准确率接近100%（R²=1.0），预测负载量的准确率也超99.9%（R²=0.99966）。更妙的是，就算测不到pH值，用红外、紫外光谱和其他物理性质，AI依然能保持高准度——就像少看一个体检指标，医生照样能判断健康状况。

未来：碳捕获工厂的“实时大脑”

想象一下，未来的碳捕获工厂里，传感器实时“读”溶剂的密度、电导率等数据，AI模型“秒算”出负载量和强度，系统自动调吸收塔和再生塔的参数——既不让溶剂“饿肚子”（负载太低），也不让它“撑着”（负载太高），能耗自然降下来。研究显示，这种方法比传统滴定快得多，还能24小时“盯梢”，为碳捕获的高效运行装了个“实时大脑”。

小遗憾与大方向：向真实场景“更近一步”

目前pH模型还有点“小脾气”——它假设溶剂是“理想状态”，但实际溶液可能有杂质或非理想行为，导致预测有偏差。团队下一步打算优化反应动力学参数，让模型更贴近真实场景。未来，这套技术还可能“移植”到其他碳捕获溶剂（比如胺类溶液），为全球碳中和提供更精准的“监测武器”。