El equipo de investigación del Instituto Coreano de Ciencia y Tecnología (KAIST) utilizó inteligencia artificial para identificar con éxito materiales eficientes de captura de dióxido de carbono. Esta investigación, liderada por el profesor Jihan Kim del Departamento de Ingeniería Química y Biomolecular, se completó en colaboración con el Imperial College London y los resultados se publicaron en la revista Matter.

El equipo desarrolló una tecnología de campo de fuerza de aprendizaje automático (MLFF) capaz de predecir con precisión las interacciones entre materiales de marcos orgánicos metálicos (MOF) y moléculas de dióxido de carbono y agua. Este sistema calcula rápidamente las características de adsorción con precisión cuántica mecánica, seleccionando más de 100 candidatos de materiales eficientes para la captura de dióxido de carbono de más de 8.000 estructuras MOF.

"Los métodos tradicionales tienen dificultades para predecir con precisión las fuerzas de interacción molecular complejas", indicó el profesor Kim, "nuestra tecnología MLFF resuelve este problema y proporciona una nueva herramienta para el diseño de materiales de captura de carbono." La investigación también identificó siete características químicas clave que afectan el rendimiento de los materiales, ofreciendo guía para el desarrollo posterior.

Este avance tecnológico promete impulsar el desarrollo de la tecnología de captura directa del aire (DAC), mejorando la eficiencia de la captura de dióxido de carbono. Comparado con los métodos tradicionales, el nuevo sistema puede descubrir más materiales de alto rendimiento potenciales y acelera significativamente la velocidad de cálculo.