胆碱氯化物-乙二醇体系中CO2捕获的实验优化与机器学习模型构建

为应对传统胺类溶剂（如MEA）在CO2捕获中的高能耗与环境污染问题，研究人员通过响应面法（RSM）优化胆碱氯化物-乙二醇低共熔溶剂（DES）的摩尔比（1:4.75）、接触时间（693 min）及水含量（23.5%），结合XGBOOST算法构建预测模型（误差≤8.1%），实现高效CO2吸收（1.05 mol/mol DES），为绿色碳捕集技术提供新范式。

　　

随着全球人口从20亿激增至80亿，人类活动每年排放约1985万吨CO₂，导致海平面上升和海洋生态系统破坏。传统胺类溶剂（如单乙醇胺MEA）虽广泛用于碳捕集，但存在溶剂损失高、再生能耗大等问题。离子液体因成本高、毒性大难以推广，而低共熔溶剂（Deep Eutectic Solvent, DES）凭借可调控性、低毒性和低成本成为研究热点。

为开发高效CO₂捕获方案，研究人员以胆碱氯化物（ChCl）为氢键受体（HBA）、乙二醇为氢键供体（HBD）制备DES，通过压力差法评估吸收性能。实验设计涵盖摩尔比（1:1至1:6）、接触时间（63–693 min）和水含量（17.5%–30%），结合响应面法（RSM）优化参数，并采用XGBOOST算法构建溶解度预测模型。

主要技术方法

1. DES制备与表征：ChCl与乙二醇按不同摩尔比混合，60°C搅拌1小时，通过FTIR验证CO₂吸收后化学结构变化；
2. 吸收性能测试：压力差法测定15 bar初始压力下的CO₂溶解度，结合ANOVA分析影响因素显著性；
3. 机器学习建模：XGBOOST预测溶解度，误差控制在8.1%以内。

研究结果

1. 粘度与摩尔比的关系：DES粘度随HBA:HBD摩尔比增加而降低，1:1比例时粘度最大（图2），1:4.75时吸收效率最优；
2. 最优吸收条件：摩尔比1:4.75、接触时间693 min、水含量23.5%时，CO₂吸收量达1.05 mol/mol DES；
3. FTIR验证：吸收后DES中检测到CO₂特征峰，证实化学吸附；
4. 模型性能：XGBOOST模型预测溶解度误差低于8.1%，优于传统统计方法。

结论与意义
该研究通过实验与机器学习结合，首次明确了ChCl-乙二醇DES在1:4.75摩尔比下的CO₂捕获潜力，为工业排放处理提供了温度不敏感（23.5%水含量）的绿色溶剂方案。XGBOOST模型的引入显著提升了溶解度预测精度，推动碳捕集技术从经验驱动向数据驱动转型。论文发表于《Journal of Molecular Liquids》，为DES在碳中和领域的应用奠定理论基础。

（注：解读严格依据原文，未添加非原文信息；专业术语如DES、RSM等首次出现时均标注英文全称；作者名保留原文格式如Santosh A. Kadapure；上下标通过规范呈现。）