AI Hasilkan 157 Ide Baru Untuk Bahan Bakar Diesel Bersih
KALBARNEWS.CO.ID (BRASIL) - Sekelompok peneliti dari Brasil, Inggris, dan Spanyol telah mengembangkan sistem desain bahan bakar canggih menggunakan kecerdasan buatan dan metode pembelajaran mesin.
Sistem ini memungkinkan percepatan signifikan proses pembuatan campuran bahan bakar baru: alih-alih pengujian laboratorium selama beberapa minggu, komposisi yang menjanjikan dapat dipilih hanya dalam beberapa jam.
Sebagai hasil kerja mereka, para ilmuwan telah berhasil menghasilkan 157 resep bahan bakar yang memiliki semua karakteristik yang diperlukan untuk digunakan dalam mesin diesel dan mampu mengurangi emisi jelaga lebih dari 70% dibandingkan dengan bahan bakar diesel tradisional.
Dalam industri yang tidak memungkinkan atau sangat sulit beralih ke listrik (seperti transportasi berat, penerbangan, dan transportasi laut), bahan bakar fosil cair tetap menjadi sumber energi yang sangat diperlukan.
Namun, tantangan iklim mendorong semakin banyak perhatian pada alternatif, termasuk bahan bakar cair sintetis dan biologis. Namun, pengembangan bahan bakar ini menghadapi sejumlah kesulitan.
Bahan bakar baru harus menggabungkan sifat mudah terbakar (yaitu, angka setana yang sesuai), pembentukan jelaga yang rendah, kompatibilitas dengan mesin yang ada, dan jejak karbon yang minimal. Pada saat yang sama, setiap bahan bakar merupakan campuran kompleks dari puluhan atau ratusan senyawa, dan pengujian sifat setiap kombinasi baru di laboratorium atau pada sistem propulsi merupakan proses yang panjang dan mahal.
Untuk mengefisienkan dan mempercepatnya, para peneliti dari Queen Mary University of London, Federal University of Rio de Janeiro, dan Barcelona Supercomputing Center telah mengembangkan sistem desain bahan bakar digital multitahap. Sistem ini didasarkan pada penggunaan deskripsi numerik molekul, atau yang disebut sidik jari molekuler, yang memungkinkan struktur kimia senyawa direpresentasikan dalam format yang sesuai untuk pembelajaran mesin.
Data ini dimasukkan ke jaringan saraf dalam yang mampu secara akurat memprediksi sifat-sifat bahan bakar utama (termasuk sifat mudah terbakar dan pembentukan jelaga).
Model yang dilatih digunakan untuk merekayasa ulang hasil: para peneliti menetapkan sifat target bahan bakar, dan sistem memilih kombinasi zat yang memberikan karakteristik yang diperlukan dengan mempertimbangkan kendala teknologi dan peraturan.
Untuk melatih model tersebut, para peneliti mengumpulkan basis data besar yang berisi sifat fisik dan kimia dari ratusan komponen bahan bakar dan campurannya. Secara khusus, basis data angka setana mencakup 708 pengukuran untuk 475 zat, sedangkan basis data indeks jelaga mencakup lebih dari 400 senyawa murni.
Hasilnya melebihi ekspektasi. Model yang dilatih menunjukkan akurasi yang tinggi: koefisien determinasi (R²) melebihi 0,9 bahkan saat memprediksi sifat senyawa baru yang sebelumnya tidak terlihat.
Sebanyak 157 resep campuran bahan bakar dihasilkan, termasuk opsi dengan aditif alkohol, eter oksimetilen (OMEx), dan metil ester asam lemak (FAME). Resep terbaik ini tidak hanya memenuhi persyaratan bahan bakar diesel saat ini, tetapi juga menunjukkan indeks jelaga yang jauh lebih rendah, yang berarti pembakaran yang lebih bersih. Perhitungan menunjukkan bahwa campuran tersebut dapat mengurangi emisi jelaga hingga 72% tanpa menurunkan kinerja.
Sistem baru ini membuka jalan bagi pengembangan bahan bakar berkelanjutan yang cepat dan terarah yang dapat memainkan peran penting dalam mengurangi jejak karbon transportasi berat di tahun-tahun mendatang. (Tim Liputan)
Editor : Aan
