为了避免灾难性的气候影响，必须解决过度的碳排放问题。目前，仅仅减少排放已经不足以应对挑战。直接空气捕获技术（Direct Air Capture, DAC），这一技术能从周围空气中直接提取二氧化碳，显示出解决这一问题的巨大潜力。
但这项技术面临一个重大挑战。对于直接空气捕获技术来说，每种环境和地点都需要特定的设计。例如，德克萨斯州的直接空气捕获配置必然与冰岛的不同。这些系统必须根据每个地点的湿度、温度和气流的具体参数进行设计。
现在，佐治亚理工学院和Meta合作，创建了一个庞大的数据库，可能使设计和实施直接空气捕获技术变得更加容易和快速。这个开源数据库使团队能够训练一个比现有化学模拟快数个数量级的AI模型。该项目名为OpenDAC，可能会加速地球迫切需要的气候解决方案。
该团队的研究发表在《美国化学会中央科学杂志》上。
“对于直接空气捕获，有许多关于如何最好地利用特定环境的气流和温度变化的想法，”化学与生物分子工程学院（ChBE）副教授、论文的主要作者安德鲁·J·梅德福德说。“但一个主要问题是找到一种材料，在每种环境的特定条件下都能有效捕获碳。”
他们的想法是“创建一个数据库和一套工具，帮助广大工程师找到合适的材料，”梅德福德说。“我们希望利用计算机从不知道从哪里开始到提供一份可靠的材料列表，让他们合成并尝试。”
该数据库包含8400种不同材料的反应数据，几乎使用了4000万个量子力学计算，团队认为这是同类数据中最大、最稳健的数据集。
构建合作关系（和数据库）
Meta的基础AI研究（FAIR）团队的研究人员一直在寻找利用他们的机器学习能力解决气候变化问题的方法。他们认为直接空气捕获是一项有前景的技术，并需要找到一位在材料化学方面具有碳捕获专长的合作伙伴。他们直接找到了佐治亚理工学院。
ChBE教授、Oak Ridge国家实验室转型脱碳倡议的负责人大卫·肖尔是金属有机框架（MOFs）领域的世界顶尖专家之一。MOFs因其笼状结构和已证实的吸引并捕捉二氧化碳的能力，被认为是直接空气捕获的有前途材料。肖尔将专门应用机器学习模型于原子和量子力学模拟的梅德福德博士引入项目。
肖尔、梅德福德及其学生提供了数据库的所有输入。因为数据库预测MOF的相互作用和这些互动的能量输出，所需的信息相当多。他们需要知道几乎所有已知MOF的结构——包括MOF本身的结构和MOF与二氧化碳及水分子相互作用的结构。“要预测一种材料可能的作用，你需要知道每一个原子的位置和它的化学元素是什么，”梅德福德说。