Investigação do desempenho de captura de CO2 em carvão ativado e funcionalizado dopado com nitrogênio: uma abordagem de aprendizado de máquina

• Ano de defesa: 2025
• Autor(a) principal: Peres, Christiano Bruneli [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Aprendizado do computador; Dióxido de carbono atmosférico; Carbono ativado; Gases - Absorção e adsorção; Machine learning; Atmospheric carbon dioxide; Gases - Absortion and adsortion
• Link de acesso: https://hdl.handle.net/11449/313908

O crescente aumento da concentração de dióxido de carbono (CO2) na atmosfera, majoritariamente decorrente de emissões de origem humana, representa uma ameaça significativa à vida na Terra. Nesse contexto, tecnologias de captura e armazenamento de carbono (CCS) têm emergido como soluções promissoras, como a adsorção em biomassas, destacando-se como uma abordagem proeminente. Este trabalho tem por propósito encontrar as condições com maior adsorção de CO2, baseados na temperatura de carbonização (450, 600 e 700°C), taxa de impregnação (1:1, 3:1 e 5:1 reagentes/biomassa) e método de preparo (seco e úmido), fundamentando-se em quatro rotas de preparo em carvão ativado e funcionalizado-N (PCs) de resíduos de biomassa de casca de banana, maracujá e mistura delas. Esse trabalho também tem por objetivo, desenvolver um modelo de aprendizado de máquina simples e aprimorado para prever a captura desse gás de efeito estufa. PCs foram produzidos e ativados quimicamente por K2C2O4.H2O e funcionalizados por etilenodiamina (EDA). A Captura de CO2 foi estudada por meio da teoria da densidade funcional (DFT). A dopagem por Nitrogênio foi confirmada por espectroscopia de fotoelétrons por raio-X (XPS), o comportamento térmico foi investigado por análise termogravimétrica (TGA), a morfologia de superfície foi realizada por microscopia eletrônica de varredura (MEV) com detector de energia dispersiva de raio-X (EDX), os grupos funcionais de superfície foram identificados por espectroscopia de infravermelho por transformada de Fourier (FTIR), os componentes inorgânicos foram identificados por difração de raio-X (DRX). Quanto ao modelo preditivo, empregou-se a regressão linear múltipla com validação cruzada. Os resultados mostraram que o método de preparo seco e taxa de impregnação de 1:1 foram os que obtiveram melhores resultados na adsorção de CO2, porém cada amostra apresentou uma temperatura ótima de carbonização: 600°C para banana, 700°C para o maracujá e 450°C para a mistura delas, apresentando uma captura de CO2 de 1,69, 2,2 e 1,11 mmol/g a 0°C e 1 bar. O modelo preditivo demonstrou um aprimoramento da precisão de adsorção de CO2 nas biomassas estudadas, elevando-a de 73% para 89% com a validação cruzada. Este estudo também almejou estimular futuras investigações na área de captura de CO2, incentivando a adoção de tecnologias como o aprendizado de máquina, em virtude da relevância desse tópico.