機械学習によるアミン排出量予測(Using machine learning to forecast amine emissions)

　地球温暖化の原因のひとつは、私たちが発電や鉄鋼、セメントなどの工業プロセスから排出する大量の二酸化炭素である。このため、化学技術者たちは、二酸化炭素を分離し、大気中に排出されないように貯蔵する「二酸化炭素回収法」を研究してきた。
その化学プロセスには、天然ガスの処理・精製工場から排出される二酸化炭素の回収にすでに使用されている化合物であるアミンが関与している。アミン類は、医薬品、エポキシ樹脂、染料などにも使用されている。
しかし、アミン類は健康被害だけでなく、環境に悪影響を及ぼす可能性もあり、その影響を軽減することが不可欠です。そのためには、工場のアミン排出量を正確にモニタリングし、予測する必要があるが、炭素捕捉工場は複雑でそれぞれ異なるため、容易なことではないことが分かっている。
今回、科学者グループは、ドイツにある実際のプラントで行われたストレステストの実験データを用いて、炭素捕捉プラントからのアミン排出量を予測するための機械学習ソリューションを開発しました。この研究は、EPFL基礎科学部のBerend Smit教授と、スコットランドのヘリオット・ワット大学カーボンソリューション研究センターのSusana Garcia教授のグループが主導して行いました。
「実験は、ドイツ最大の石炭火力発電所のひとつであるニーダーハウエンで行われました。この発電所から、炭素回収パイロットプラントにスリップストリームが送られ、そこで1年以上、次世代アミン溶液のテストが行われました」。しかし、未解決の問題の1つは、アミンが排ガスと一緒に排出される可能性があり、このアミン排出を制御する必要があることです。”
スサナ・ガルシア教授は、プラントのオーナーであるRWE、オランダのTNOとともに、さまざまなプロセス条件下でのアミン排出量を調べるためのストレステストを開発しました。ガルシア教授は、試験の様子を次のように語ります。「私たちは、アミンがいつどのように発生するかを理解するために、実験キャンペーンを展開しました。しかし、私たちの実験のいくつかは、プラントが安全に運転されていることを確認するために、プラントのオペレーターの介入を引き起こしました。”
これらの介入は、データをどのように解釈するかという問題につながりました。アミン排出はストレステストの結果なのか、それともオペレーターの介入が間接的に影響したのか？この問題は、アミン排出のメカニズムに対する我々の理解不足によって、さらに複雑化した。「つまり、アミン排出が問題になりうることを示す高価なキャンペーンは成功したが、データをさらに分析するツールがなかったのだ」とスミット氏は言う。
博士課程の学生であるKevin Maik Jablonkaは、機械学習のアプローチを開発し、アミン排出のパズルをパターン認識問題に変えました。Jablonkaは強力な機械学習を用いて、工場のデータから将来のアミン排出を予測しました。このモデルによって、事業者の介入による排出量を予測し、ストレステストによる排出量と切り離すことができました」と彼は言う。さらに、このモデルを使って、これらの排出量を削減するためのあらゆる種類のシナリオを実行することができました。
この結論は、「驚くべきもの」と評されました。実は、このパイロットプラントは純粋なアミン用に設計されていたのだが、測定実験は2種類のアミンが混ざったもので行われた。2-アミノ-2-メチル-1-プロパノールとピペラジン（CESAR1）である。その結果、この2つのアミンが、片方の排出量を減らすともう片方の排出量が増えるという、実は正反対の反応をすることがわかったのです。
「この研究は、複雑な化学プロセスに対する全く新しい見方であり、そのインパクトは非常に大きいと思います。「このような予測は、従来のどのような方法でも不可能です。