碳基CO2捕集吸附剂:机制导向材料设计与数据驱动优化

《Carbon Neutralization》:Carbon-Based Adsorbents for CO2 Capture: Mechanism-Guided Material Design and Data-Driven Optimization

【字体: 大 中 小 】 时间:2026年10月23日 来源:Carbon Neutralization 21.5

编辑推荐:

  碳捕集是碳捕集、利用与封存(carbon capture, utilization and storage, CCUS)的上游基石,其中分散的CO2被富集为受控气流。随着吸附剂性能和工艺适应性的提高,吸附式捕集受到越来越多关注。碳基材料作

  
碳捕集是碳捕集、利用与封存(carbon capture, utilization and storage, CCUS)的上游基石,其中分散的CO2被富集为受控气流。随着吸附剂性能和工艺适应性的提高,吸附式捕集受到越来越多关注。碳基材料作为工业成熟吸附剂,因其在成本效益、稳定性和效率方面的均衡性能而在该领域占据一席之地。然而,与晶态多孔吸附剂相比,其孔环境有序性较低且表面呈非极性,导致对CO2的亲和力相对较弱。为克服这些限制,大量研究致力于孔工程、表面化学改性和复合构建。尽管如此,合成条件、物理化学性质与吸附性能之间复杂的非线性关系仍难以仅通过经验优化阐明。机器学习(machine learning, ML)引入了一种新范式,可从复杂数据集中揭示关键描述符和构效关系,加速碳基材料的理性设计。尽管取得这些进展,现有研究的范围和重点仍较为分散。因此,本综述首先介绍碳基吸附剂的吸附机制和评价标准,并关注常用性能指标的局限性。随后按照不同策略的主要功能作用讨论材料优化进展,并对代表性研究进行比较。本综述进一步考察机器学习,从描述符构建和预测目标到模型开发、验证、机理阐释和合成优化。特别关注数据驱动方法如何帮助分析耦合的材料变量,同时其可靠性仍受数据质量、数据集规模和模型泛化能力限制。总体而言,本综述总结了当前对碳吸附剂设计的理解,并讨论实验方法与数据驱动方法如何协同支持进一步材料优化。
1 引言
全球能源相关CO2排放2025年接近38.4 Gt,较2019年高约5%,CCUS是关键减缓路径。碳捕集是CCUS首步分离,分燃烧后、富氧燃烧、燃烧前和直接空气捕集(direct air capture, DAC),不同场景要求不同材料。吸附法因模块化、低腐蚀、灵活再生等受关注;碳基材料成本低、稳定、可规模化,但孔结构无序、非极性表面在低分压CO2下亲和弱。物理调控和化学修饰是主要策略,构效关系复杂非线性;机器学习(ML)可揭示描述符和构效关系,但受数据质量、规模和泛化限制。本综述从机制、评价、材料设计到数据驱动分析。

2 碳捕集机制与评价框架
不同捕集路线气体组成、CO2分压、温湿度不同,容量中心比较不足;需连接本征性质与工艺相关指标。
2.1 吸附机制
物理吸附与化学吸附仍可区分,但在功能化碳中二者耦合;物理吸附关注孔域分布与可及性,化学吸附关注局部反应环境和位点可及性。
2.1.1 物理吸附
由范德华力和静电作用主导,吸附焓约?40~?20 kJ/mol,可逆但温压敏感;BET表面积非唯一,窄微孔/超微孔在低分压重要,介孔提供传输;湿度下极性基团增强H2O竞争,需平衡孔行为与表面功能。
2.1.2 化学吸附
涉及化学键形成/断裂,吸附焓常>60 kJ/mol,低分压高亲和;碳基中引入胺、羟基、金属氧化物/盐等;胺可形成氨基甲酸酯、氨基甲酸或碳酸氢盐;碳骨架分散活性物种、疏水、导热,但过载堵孔;需平衡亲和力、动力学、工作容量和再生能耗。
2.2 碳捕集材料评价框架
从容量比较转向机制和应用导向;实验室理解孔结构、表面化学、热力学、传输,工艺尺度看重复吸附再生分离性能,并为数据驱动提供描述符。
2.2.1 物理化学结构表征
比表面积、孔径分布、表面化学、机械性能均重要;高BET不必然高CO2吸附,>1000 m2/g和>0.5 cm3/g总孔容通常足够,低分压窄微孔更关键;需考虑扩散阻力和湿度竞争;成型改变孔可及性、导热、传质,黏结剂稀释位点。
2.2.2 吸附性能指标
容量需明确条件;低分压数据不足;工作容量、选择性(IAST;ideal adsorbed solution theory, IAST)、再生性、循环稳定性关键;选择性应区分CO2/N2、CO2/H2、CO2/H2O,混合气穿透比纯气估算更准确;PrISMa表明单指标排名与过程/能耗/成本/环境综合评价不同;应提供完整数据支持高层评价。

3 碳捕集中的碳基吸附剂
分原始碳、功能化衍生物、复合物,关注结构特征和改性对吸脱附影响。
3.1 孔结构驱动优化
代表性材料显示孔发育和前驱体选择影响CO2吸附。
3.1.1 传统多孔碳吸附剂
活性炭(activated carbon, AC)、碳分子筛(carbon molecular sieve, CMS)、活性炭纤维(activated carbon fiber, ACF)中,AC成本低稳定但孔径分布宽,低分压有效微孔有限;CMS孔径精确,限域和择形扩散使其容量/选择性较好,耐湿快脱附;ACF介孔网络稀疏,吸附性能差但扩散路径短、导电,可作载体;传统碳有效微孔不足,难单独大规模高效捕集,但低成本耐湿导热有价值,CMS适合多级循环粗分离。
3.1.2 活化驱动孔工程
KOH化学活化最常用,刻蚀造微孔但残留钾需洗涤;K2CO3、KHCO3、草酸钾、柠檬酸钾较温和,腐蚀低、碳产率高但孔发育较弱;熔盐/介质改善接触;CO2和水蒸气物理活化更清洁,CO2较温和均匀微孔,水蒸气更活泼生成微孔/介孔但可能过度扩孔;分级/组合活化可互补,如CO2-水蒸气、KOH/K2CO3、K2C2O4+原位CaCO3;过度活化使超微孔减少、产率下降,需平衡活化强度。
3.1.3 前驱体导向孔工程
生物质低成本可再生但组成异质,批次差异影响孔结构;塑料组成明确灰分低,PET可得高比表面积,混合塑料较低;合成聚合物可定制分子结构、交联密度和空间排列,软模板(P123/F127)、硬模板(MOFs;metal–organic frameworks, MOFs)、无模板;模板法控制好但步骤多成本高,无模板经济但控制弱;前驱体工程与活化结合可定向精修孔。
3.2 表面亲和力驱动优化
改性调表面化学并保留孔结构。
3.2.1 电子与极性调控
杂原子掺杂改变电荷密度和极性/碱性;石墨氮调电子结构,吡啶氮/吡咯氮增强CO2亲和;氧基团增加极性但增亲水;硫极化率大;N/O、N/S、N/P、B/P共掺杂扩展化学环境;氨基酸可作表面改性剂或杂原子前驱体;改性需保持有效微孔,过度掺杂可能堵孔或增水亲和;N/O功能化与KOH活化耦合可同时提高超微孔限域和表面亲和。
3.2.2 反应位点功能化
胺功能化(EDA、TETA、TEPA、PEI)形成氨基甲酸酯/氨基甲酸/碳酸氢盐;胺负载非越高越好,过载堵孔限制扩散;关注胺相空间组织,孔尺寸影响TEPA分布,支化PEI在孔口、线性TEPA深入微孔;碳骨架提供锚定、传热传质,三维互连碳框架、径向介孔CNT@mSiO2-ED缩短扩散路径;强结合利于低分压但增加脱附能耗和胺降解风险,需调控载体-胺相互作用。
3.3 碳基复合衍生物
复合设计有三类功能:互补吸附相(金属氧化物/盐、MOFs、沸石)补偿亲和/选择性;利用碳传输、热、电性能改善传质和再生;双功能材料(dual-function material, DFM)整合捕集与转化;碳相分散活性组分、提供孔道和稳定性;金属氧化物极性位点,碱/碱土金属化合物参与碳酸盐/碳酸氢盐化学;碳-沸石互补疏水/传输;碳作为传热/再生组分(石墨烯提高导热、炭黑光热、碳纤维接触器/电加热、焦耳热、微波、电磁感应);DFM用于捕集-甲烷化,碳载Ru/Cs、CaO-Ni等,废弃物衍生MWCNTs;DFM应用仍多限于甲烷化,需扩展。
3.4 跨策略比较
选25°C、1 bar物理吸附主导数据,排除化学吸附主导;CO2吸附量与BET表面积低中比表面积正相关,高比表面积约1500 m2/g后趋弱;总孔容无清晰正相关;微孔体积正相关更清晰;微孔分数正相关最清晰;表面改性改变相互作用但仍依赖微孔结构;复合物可在中等BET有较高吸附,碳-MOF/沸石提供额外孔/界面;无普适最优策略,单一描述符不足,需更全面描述符体系。

4 碳基CO2捕集吸附剂的数据驱动设计
设计空间扩大,试错不可行;数据驱动连接筛选、预测、机理解释、合成优化;需描述符、预测目标、模型可靠性。
4.1 描述符与预测目标
4.1.1 描述符构建
应物理化学编码整个吸附系统;三组信息:前驱体与合成变量、吸附剂物理化学性质、操作条件;依任务选择,合成指导用可控制变量,机理解释可用实测孔/表面性质;遗漏重要描述符会误分配效应;前驱体描述碳骨架、杂原子源、灰分矿物;合成描述碳化温度、升温速率、活化剂、活化温度/时间/模式、活化剂/前驱体比;孔结构描述SBET、Vtotal、Vmicro、Vmeso、平均孔径、微孔表面积、超微孔体积;表面化学需具体杂原子构型、空间排列、界面结构;操作描述温度、总压、CO2分压、气体组成、湿度;描述符完整性与重要性不同,相关描述符需相关分析、方差膨胀因子、聚类、敏感性测试,解释需多方法一致并独立验证。
4.1.2 预测目标选择
目前以CO2吸附容量为主,但工作容量更相关;匹配吸脱附数据少;选择性应反映实际混合气,水竞争重要;再生条件和能耗少考虑,可结合过程模拟和ML代理模型;预测应补充而非替代实验;扩展目标以筛选应用相关条件下保持性能的吸附剂。
4.2 学习模型架构
4.2.1 模型选择
支持向量回归(support vector regression, SVR)适合中小数据非线性但参数敏感;树模型(RF、GBDT、XGBoost、LightGBM、CatBoost)适合表格和类别变量,可解释;深度学习可从等温线、图像等复杂表示学习,但小数据不一定优于树模型;混合/集成模型和解释/优化耦合(ANN-XGBoost、CFNN+SHAP/LIME、CNN+多保真贝叶斯优化)。
4.2.2 模型验证、泛化与数据局限
R2、RMSE、MAE依赖数据划分;文献数据随机点级划分可能导致相似材料同时出现在训练/测试,性能乐观;数据集小且异质,跨研究预处理/表征差异;外推至聚合物碳、复合物、湿度等为分布外预测;需改善数据库,纳入失败/低性能结果;验证应按出版、前驱体族、材料类型、合成路线分组交叉验证;外推需不确定性和实验验证;主动学习可前瞻验证。
4.3 数据驱动发现
4.3.1 吸附机制的数据驱动解释
可解释ML分离耦合效应;孔0.4–0.6 nm低中压主导,压力升高贡献转向0.6–0.8 nm和比表面积;XGBoost+SHAP+GCMC显示0–0.15 bar N掺杂、0.15–1 bar超微孔体积、1–10 bar微孔体积、10–20 bar比表面积主导;N5/N6比总氮更有机理相关性,适量N5/N6与合适Vmicro耦合最优,过量堵孔;水竞争低RH下氧极性位点重要,高RH下介孔体积因水簇/孔填充重要,硅烷化可抑制H2O;胺功能化中胺负载对容量贡献最大,孔径对胺效率最重要,过载呈负贡献。
4.3.2 从合成指南到前瞻优化
连接机制相关性质与可控制合成变量;文献数据关联生物质组成、浸泡、热解、活化与SSA、Vt、碳产率;N掺杂生物炭中活化温度控SSA、活化剂比控Vt,一步法利于氮保留,多步利于孔发育;响应面+ANN描述活化温度与KOH/前驱体比耦合;多保真贝叶斯优化减少高保真评价;主动学习以窄微孔体积为目标,实验反馈更新模型,三轮16个模型指导生物炭,CO2吸附量近初始两倍;集成文献提取、主动学习、AutoML、反向设计的工作流;数据驱动优化三阶段:解释、优化、主动学习。

5 结论与展望
主要结论包括:性能不能只看平衡容量,工作容量、选择性、动力学、再生、循环稳定、成型日益重要;孔工程仍核心,窄微孔/超微孔低分压重要,介孔传输,BET和总孔容不总描述吸附量,微孔体积/分数更清晰,目标为可及有效吸附空间;表面改性增强相互作用但依赖孔结构,过度改性堵孔、增水亲和或增再生能耗,应保持可及孔和可逆吸附;复合构建扩展碳功能,互补相提供强位点/有序孔,碳相分散、传输、导热、电辅助再生,DFM整合捕集转化,评价需按功能;ML可分析耦合变量,可解释模型区分孔结构、表面化学、合成、操作影响,优化和主动学习缩小实验空间,但数据质量/规模/随机划分限制,需验证、不确定性、独立实验。展望指出应针对场景设计、发展绿色可扩展合成、减少腐蚀试剂和能耗,设计颗粒/整体/纤维/膜等成型体,研究机制差异和策略整合,“一对多”复合,电化学驱动捕集,并在系统层面结合生命周期评价(life cycle assessment, LCA)、能效和规模化;ML依赖数据质量,主动学习可引导实验并生成更有信息量的数据。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号