Quiz collegato alla guida · Medio Livello

Quiz sull'ottimizzazione dell'intelligenza artificiale nella cattura del carbonio

Valutare l’ottimizzazione del processo di cattura del carbonio, i modelli surrogati, l’efficienza di cattura, il consumo di energia e i limiti di scale-up. Controlla la fonte e l'ambito.

Domanda 1 di 8

Qual è il principale collo di bottiglia che l’intelligenza artificiale cerca di risolvere nella cattura del carbonio?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Qual è il principale collo di bottiglia che l’intelligenza artificiale cerca di risolvere nella cattura del carbonio?
    • L’elevato costo e il consumo energetico per catturare e rilasciare CO2
    • Il colore dell'attrezzatura
    • La mancanza di CO2 nell'atmosfera
    • Troppe poche centrali elettriche nel mondo
  2. What solvent family did the cited machine-guided discovery study investigate?
    • Lithium salts for battery storage
    • Aqueous amines for acid-gas scrubbing carbon capture
    • Solid sorbents for water purification only
    • Hydrogen catalysts for fuel cells
  3. Cosa si intende per “rigenerazione del solvente” nella cattura del carbonio?
    • Verniciatura del serbatoio del solvente
    • Pulizia dell'ufficio
    • Rilasciare la CO2 catturata dal solvente in modo che possa essere riutilizzata, il che richiede molta energia
    • Aggiunta di più gas di combustione
  4. What is the role of a surrogate model in capture-process optimization?
    • Certify that geological storage is secure
    • Replace all process measurements
    • Measure carbon emissions with satellite imagery
    • Approximate an expensive process simulation so candidate settings can be explored more quickly
  5. What objectives did the cited 2026 amine-capture simulation study optimize together?
    • CO₂ recovery, product purity, and specific energy consumption
    • Worker safety, building daylight, and HVAC comfort
    • Only solvent color and viscosity
    • Reservoir pressure and earthquake risk
  6. How did the cited solvent-discovery study verify promising model-selected candidates?
    • It launched an autonomous robotic lab for every candidate
    • It used a rapid laboratory assay for CO₂ absorption and then experimental checks
    • It used only a language-model rating
    • It inferred capture performance from satellite images
  7. Which two solvent properties did the 2023 study use for molecular-fingerprint prediction?
    • Worker injury risk and building energy use
    • Reservoir pressure and seismic amplitude
    • Absorption capacity and observed initial absorption rate
    • CO₂ purity and stack temperature only
  8. What did the 2023 solvent-discovery paper report on its external test set?
    • 100% accuracy on every outcome
    • 17% for all operating settings
    • No external test set
    • 60% accuracy for both material parameters and 80% for a single parameter