Các nhà nghiên cứu tại Viện Công nghệ Tiên tiến thuộc Đại học Surrey (Anh) vừa phát triển các hệ thống “phòng thí nghiệm trên chip” điện hóa có kích thước nhỏ gọn, được thiết kế nhằm đẩy nhanh quá trình chuyển đổi CO₂ thành các nhiên liệu và hóa chất bền vững như ethanol, ethylene và nhiên liệu hàng không bền vững. Công nghệ mới kết hợp cảm biến tích hợp với trí tuệ nhân tạo (AI), góp phần rút ngắn thời gian và giảm chi phí phát triển các vật liệu xúc tác thế hệ mới.

Mặc dù CO₂ được xem là một trong những tác nhân chính gây biến đổi khí hậu, nhiều nghiên cứu gần đây cho thấy loại khí này cũng có thể trở thành nguồn nguyên liệu cho sản xuất nhiên liệu và hóa chất. Tuy nhiên, các phản ứng hóa học liên quan thường rất phức tạp, khiến quá trình tối ưu hóa diễn ra chậm và phụ thuộc nhiều vào phương pháp thử - sai truyền thống. Đây là một trong những rào cản lớn đối với việc thương mại hóa các công nghệ chuyển đổi CO₂ ở quy mô công nghiệp.

Khác với các hệ thống thí nghiệm quy mô lớn, các thiết bị do Đại học Surrey phát triển đưa toàn bộ quá trình điện hóa vào một nền tảng thu nhỏ. Hệ thống sử dụng điện từ các nguồn năng lượng tái tạo để vận hành phản ứng, trước mắt tập trung vào việc chuyển đổi CO₂ thành các hóa chất và nhiên liệu có giá trị. Các chip được thiết kế để tái hiện các phản ứng điện hóa trong môi trường được kiểm soát chặt chẽ. Hệ thống cảm biến tích hợp liên tục theo dõi diễn biến của phản ứng theo thời gian thực, trong khi các công cụ phân tích đồng thời ghi nhận tín hiệu điện, biến đổi hóa học và các điều kiện vận hành. Nhờ đó, các nhà nghiên cứu có thể thu thập lượng lớn dữ liệu thực nghiệm với độ chính xác cao.

Theo TS Kai Yang, giảng viên về vật liệu năng lượng và công nghệ nano tại Đại học Surrey, nền tảng này cho phép quan sát và phân tích những quá trình vốn rất khó theo dõi trong các hệ điện hóa phức tạp, từ đó giúp rút ngắn thời gian nghiên cứu và nâng cao độ tin cậy của kết quả. Ngoài ra, điểm nổi bật của nghiên cứu còn nằm ở việc kết hợp các mô hình vật lý với AI dựa trên dữ liệu. Trong khi các chip tạo ra lượng lớn dữ liệu thực nghiệm phản ánh quá trình phản ứng thực tế, các mô hình vật lý lại cung cấp cơ sở lý thuyết về cách hệ thống vận hành. Khi kết hợp hai nguồn thông tin này, AI có thể học đồng thời từ dữ liệu và từ các quy luật vật lý, qua đó liên tục hiệu chỉnh mô hình, bổ sung những phần còn thiếu và nhanh chóng xác định các điều kiện vận hành tối ưu. Theo nhóm nghiên cứu, cách tiếp cận này giúp giảm đáng kể sự phụ thuộc vào phương pháp thử - sai truyền thống, đồng thời rút ngắn quá trình tìm kiếm các vật liệu xúc tác và điều kiện phản ứng phù hợp.

Hiện nhóm nghiên cứu đang đánh giá khả năng ứng dụng công nghệ trong nhiều lĩnh vực khác nhau, bao gồm vật liệu pin và các hệ thống năng lượng tiên tiến. Bên cạnh chuyển đổi CO₂, nền tảng cảm biến và phân tích trên chip này còn có thể được sử dụng trong nghiên cứu pin, công nghệ hydro, sản xuất amoniac và giám sát môi trường. Điều đó cho thấy tiềm năng ứng dụng rộng hơn của công nghệ, vượt ra ngoài mục tiêu ban đầu là chuyển đổi CO₂ thành nhiên liệu và hóa chất có giá trị.

NPA (Theo University of Surrey)