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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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