← 論文一覧に戻る

単純なアミノ酸によるCO2回収に対する溶媒効果：統合的密度汎関数理論-機械学習アプローチ

Solvent effects on CO2 capture by simple amino acids: an integrated density functional theory - machine learning approach. (原題)

Mukul, Sandhiya Lakshmanan

Physical Chemistry, Chemical Physics - PCCP📚 査読済 / ジャーナル2026-04-22#CCUS経営インパクト: コスト削減対象セクター: chemical
DOI: 10.1039/d5cp04797h
原典: https://doi.org/10.1039/d5cp04797h

🤖 gxceed AI 要約

日本語

本研究は、グリシン、アラニン、セリン陰イオンを用いたCO2回収を5つの溶媒環境でDFTと機械学習により解析。グリセロールが最適溶媒であり、反応エンタルピーは-50.8～-53.7 kcal mol⁻¹。機械学習により分子量約105 g mol⁻¹で反応性が変化し、溶媒の水素結合供与能が重要であることを特定。グリシンまたはアラニンとグリセロールの組み合わせが工業的CO2回収に有望。

English

This study investigates CO2 capture by glycine, alanine, and serine anions in five solvents using DFT and machine learning. Glycerol emerges as optimal with exothermic enthalpies (-50.8 to -53.7 kcal mol⁻¹). Machine learning identifies a molecular weight threshold (~105 g mol⁻¹) and shows solvent hydrogen-bond donating capability critically governs efficiency. Glycerol-based formulations with glycine or alanine are promising for industrial CO2 capture.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本ではCCUS技術の実用化が進んでおり、本研究はアミノ酸系溶媒による効率的なCO2回収の知見を提供する。特にグリセロール溶媒の優位性は、廃グリセリン等の活用も視野に入れれば、日本国内での低コスト化に寄与する可能性がある。

In the global GX context

Globally, carbon capture is a key mitigation strategy. This study provides mechanistic insights and machine learning-guided design for amino acid-based solvents, offering potential for more efficient and sustainable CO2 capture systems. The finding that solvent hydrogen-bonding ability, not dielectric constant, is critical could reshape solvent selection criteria.

👥 読者別の含意

🔬研究者:Provides mechanistic understanding and ML model for predicting CO2 capture reactivity of amino acid solutions, useful for computational chemistry and carbon capture research.

🏢実務担当者:Identifies glycerol as optimal solvent and glycine/alanine as promising candidates for industrial CO2 capture, guiding solvent selection for pilot plants.

🏛政策担当者:Supports the development of efficient carbon capture technologies that can be integrated into national climate strategies, reducing cost and energy demand.

📄 抄録（日本語訳）

アミノ酸によるCO2回収プロセスは、炭素回収技術への有望なアプローチを提供するが、反応機構に対する分子構造と溶媒環境の影響は未だ解明されていない。本研究では、グリシン、アラニン、セリンのアニオンによるCO2回収を、気相、水、DMSO、グリセロール、乳酸の5つの環境において、暗黙的溶媒和を伴う密度汎関数理論を用いて調査する。反応は、障壁のない求核攻撃により双性イオン中間体を形成し、その後、律速段階である分子内プロトン移動を経て進行する。グリセロールは最適な媒体として浮上し、高度に発熱的な反応エンタルピー（-50.8～-53.7 kcal mol-1）を示し、その広範な水素結合ネットワークにより遷移状態が反応物のエネルギー準位以下に安定化される。構造の変化は速度論-熱力学のトレードオフを明らかにし、グリシンは最も好ましい気相熱力学（-21.4 kcal mol-1）と最も低い障壁（+19.4 kcal mol-1）を示す一方、アラニンのメチル基は立体障害を導入し、セリンのヒドロキシメチル置換基は、セリン-DMSO複合体の過剰安定化により、DMSO中での吸熱反応（+0.4 kcal mol-1）を含む複雑な溶媒依存挙動を生み出す。主要パラメータの相関分析により、CO2吸蔵容量はアミノ酸の水素結合供与体と負の相関（r = -0.59）を示し、セリンによる水性活性の抑制を説明する。機械学習分析（勾配ブースティング回帰、R2 = 0.85）は、側鎖の複雑さが反応性を支配する分子量閾値（約105 g mol-1）を特定し、誘電率ではなく溶媒の水素結合供与能が回収効率を決定的に支配することを実証する。これらの知見は、グリシンまたはアラニンを用いたグリセロールベースの配合を工業的CO2回収の優れた候補（ΔG298 = -39～-43 kcal mol-1）として確立し、調整可能なアミノ酸ベースの炭素回収を設計するための戦略的な溶媒選択を強調する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

The process of CO2 capture by amino acids offers a promising approach for carbon capture technologies, yet the influence of the molecular structure and solvent environment on the reaction mechanisms remains to be understood. The present study investigates the CO2 capture by glycine, alanine, and serine anions across five environments, namely, gas phase, water, DMSO, glycerol and lactic acid, using density functional theory with implicit solvation. The reaction proceeds via a barrierless nucleophilic attack forming a zwitterionic intermediate followed by the rate-determining intramolecular proton transfer. Glycerol emerges as the optimal medium, exhibiting highly exothermic reaction enthalpies (-50.8 to -53.7 kcal mol-1) and stabilized transition states below the reactant energy levels due to its extensive hydrogen bonding network. Structural variations reveal a kinetic-thermodynamic trade-off in which glycine shows the most favorable gas-phase thermodynamics (-21.4 kcal mol-1) and the lowest barriers (+19.4 kcal mol-1), while the methyl group of alanine introduces steric hindrance and the hydroxymethyl substituent of serine creates a complex solvent-dependent behavior, including an endothermic reaction in DMSO (+0.4 kcal mol-1), due to over-stabilization of the serine-DMSO complex. A correlation analysis of the key parameters reveals that the CO2 loading capacity negatively correlates with amino acid hydrogen bond donors (r = -0.59), explaining the serine-suppressed aqueous activity. Machine learning analysis (gradient boosting regression, R2 = 0.85) identifies a molecular weight threshold (∼105 g mol-1), where the side-chain complexity dominates the reactivity, and demonstrates that the solvent hydrogen bond-donating capability rather than the dielectric constant critically governs the capture efficiency. These findings establish glycerol-based formulations with glycine or alanine as superior candidates for industrial CO2 capture (ΔG298 = -39 to -43 kcal mol-1), highlighting strategic solvent selection for designing tunable amino acid-based carbon capture.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。