探秘胺浸渍固体吸附剂：构建数据库解锁直接空气捕集（DAC）新可能

为解决胺浸渍固体吸附剂用于直接空气捕集（DAC）研究中数据集匮乏、数据不一致等问题，研究人员构建相关数据库。他们收集 52 篇文献数据，经处理得到 1336 个数据点。该研究为 DAC 技术研发提供支撑，推动相关领域发展。

　　在全球积极应对气候变化的大背景下，《巴黎协定》旨在严格限制全球平均气温的上升幅度。直接空气捕集（DAC）技术作为去除大气中二氧化碳（CO₂）的重要手段，备受关注。胺浸渍固体吸附剂因具有较高的可及性和反应活性，成为 DAC 研究的热门材料。然而，目前该领域存在诸多问题。一方面，现有的关于胺功能化固体吸附剂的数据集大多局限于实验室阶段，且缺乏公开可用的数据库，无法满足大规模研究和实际应用的需求；另一方面，已有的研究数据存在单位和术语不一致、关键数据缺失等情况，严重阻碍了先进人工智能技术在该领域的应用。为了突破这些困境，深入探究胺浸渍固体吸附剂的性能，来自香港科技大学（广州）、华南师范大学、岭南大学等机构的研究人员开展了一项具有开创性的研究。
研究人员通过精心构建一个包含 1336 个数据点、28 个特征的胺浸渍多孔固体数据库，为该领域的研究提供了宝贵的数据资源。他们从 Web of Science、Scopus 和 Google Scholar 等多个平台筛选出 52 篇相关文章，经过严谨的数据提取、处理和验证，确保了数据的可靠性。该数据库涵盖了丰富的信息，包括不同类型的胺、多孔固体载体、操作参数以及 CO₂捕获性能指标等。通过对这些数据的深入分析，研究人员发现一些有趣的现象。例如，统计分析表明，在 DAC 条件下（0.04vol% 的 CO₂），近期开发的胺功能化固体吸附剂的 CO₂捕获能力可与烟道气条件下（15 - 25vol% 的 CO₂）相媲美，这为 DAC 技术的实际应用带来了新的希望。此外，通过相关性分析，发现有机含量与 CO₂捕获能力、CO₂捕获能力与胺效率之间存在一定的相关性，但也有一些预期的相关性并不明显，这为后续进一步研究指明了方向。
该研究成果发表在《Scientific Data》上，具有重要的意义。它为设计和发现胺功能化固体吸附剂的人工智能模型提供了数据基础，有助于深入理解胺浸渍固体吸附剂的结构 - 性能关系。同时，该研究为材料科学领域创建和训练小型数据集提供了范例，鼓励了 DAC 研究社区内的数据共享和统一报告，有力地推动了 DAC 技术的发展。
在研究过程中，研究人员主要运用了以下关键技术方法：一是通过手动筛选和提示工程进行数据源选择，利用专家知识和 ChatGPT 筛选出相关文献；二是进行化学描述符的识别和单位转换，确保数据的一致性和可用性；三是运用统计分析对数据进行验证，包括检查数据的完整性、识别异常值等，从而保证了研究结果的可靠性。
研究结果主要包括以下几个方面：

• 数据收集与整理：通过全面的文献搜索和筛选，确定了合适的数据源，并对数据进行了详细的提取和整理。在数据收集过程中，研究人员不仅从文本中提取数据，还利用 WebplotDigitizer 从约 450 幅图中提取操作参数特征，确保数据的全面性。
• 数据验证：对提取和推导的数据进行了严格验证。通过比较提取或推导的数据与文本中提供的数据，计算出百分比误差，评估数据处理方法的准确性。例如，对从散点图、线图等不同类型图形中提取的数据分别进行验证，发现从散点图提取数据的平均百分比误差为 1.3%，线图为 6.1%。同时，利用吸附动力学模型对从指数曲线提取的达到半饱和和 90% 饱和时间的数据进行验证，进一步确保数据的可靠性。
• 数据集的统计分析：通过统计分析展示了数据集中的一般信息和关系。绘制小提琴图分析不同 CO₂浓度范围与 DAC 性能指标的关系，发现近期开发的胺功能化固体吸附剂在 DAC 条件下具有较高的 CO₂捕获能力。绘制相关性热图揭示数值特征之间的关系，发现有机含量与 CO₂捕获能力等部分特征存在一定相关性，但也存在一些预期相关性不明显的情况。
  在研究结论和讨论部分，研究人员指出，虽然该数据集存在一些局限性，如数据收集方法可能存在偏差、部分实验和测量误差未被充分考虑、数据规模和化学特征有限等，但它仍然为将机器学习与实验研究数据相结合提供了重要的实践案例。该研究强调了统一数据报告的必要性，凸显了小型数据集在科研中的重要价值。未来，需要进一步探索数据集中各特征受实验测量的影响，开发使基于文献的数据集更符合实际情况的方法，同时不断拓展数据集的规模和多样性，以更好地推动胺功能化吸附剂在 DAC 技术中的应用，为应对气候变化贡献更多力量。