Multi-objective optimization of the amine-based natural gas-fired post-combustion carbon capture process using machine learning surrogate modeling

日本語

本研究は、アミン系天然ガス燃焼後CO2回収プロセスにおいて、機械学習サロゲートモデルを用いた多目的最適化手法を提案している。これにより、エネルギー消費とCO2回収効率のトレードオフを効果的に解析し、プロセス設計の最適化を図る。CCUS技術の実用化に向けた重要な知見を提供する。

English

This study proposes a multi-objective optimization framework for amine-based post-combustion carbon capture using machine learning surrogate modeling. It analyzes trade-offs between energy consumption and CO2 capture efficiency, enabling optimized process design. The work contributes to the advancement of CCUS technologies for natural gas-fired power plants.

日本のGX文脈において

日本はCCUSの実用化を推進しており、本研究成果は特に天然ガス火力発電所への応用が期待される。機械学習を用いたプロセス最適化は、コスト低減や効率向上に資するため、日本のGX戦略に貢献し得る。

In the global GX context

Globally, CCUS is recognized as essential for meeting climate targets. This study demonstrates the use of machine learning to optimize amine-based carbon capture, reducing energy penalties and costs. Such advancements support the scale-up of CCUS technologies worldwide, particularly for natural gas power generation.