كاوست وأرامكو يحولون ثاني أكسيد الكربون لوقود طائرات

مقالات ذات صلة

ستيلانتس: الوقود الإلكتروني قد يوفر 400 مليون طن من ثاني أكسيد الكربون

«فولكس فاجن» تؤمن صفقة لليثيوم خالي من ثاني أكسيد الكربون

الدراجات الكهربائية توفر 44 ألف طن من ثاني أكسيد الكربون سنويًا

يشهد قطاع الطاقة والتحول البيئي تطوراً لافتاً عندما تتحول فكرة "تقليل الانبعاثات" من هدف عام إلى حلول تقنية قابلة للقياس والاختبار. ومن بين أبرز الاتجاهات العالمية، يبرز مسار تحويل ثاني أكسيد الكربون إلى وقود سائل يمكن استخدامه في مجالات يصعب تقليل انبعاثاتها مثل الطيران. فبدلاً من النظر إلى ثاني أكسيد الكربون كعبء يجب التخلص منه فقط، يتم التعامل معه كمادة أولية يمكن توجيهها -عبر تفاعلات كيميائية مدروسة- لإنتاج هيدروكربونات تناسب متطلبات الوقود التقليدي. وفي هذا السياق سوف نستعرض في المقال التالي توجه بحثي برز حديثاً يجمع بين الهندسة الكيميائية والبيانات والتحليل المدعوم بالذكاء الاصطناعي، سعياً للوصول إلى كفاءة أعلى واستقرار أفضل في أداء المحفزات المستخدمة داخل عمليات التحويل.

أهمية تحويل ثاني أكسيد الكربون إلى وقود طائرات

يعتمد الطيران على وقود يتميز بكثافة طاقية عالية وبمواصفات تشغيلية صارمة لضمان السلامة والموثوقية. وهذا يعني أن أي بديل "منخفض الكربون" لا بد أن يحقق أكثر من شرط، ليس فقط تقليل الأثر البيئي، بل أيضاً مطابقة الخصائص الفنية المطلوبة ضمن منظومة الاختبارات والمعايير المعتمدة في الصناعة. لذلك، فإن تحويل ثاني أكسيد الكربون إلى هيدروكربونات مناسبة لوقود الطائرات يُعد تحدياً هندسياً معقداً؛ لأن التفاعلات قد تنتج مزيجاً من نواتج متعددة، وقد تميل بعض المسارات إلى تكوين مركبات أخف أو ذات قيمة أقل مقارنة بما يلزم لصناعة وقود الطائرات.

هنا تظهر قيمة التركيز على تحسين المحفزات ومسار التفاعل نفسه، لأن المحفز هو "العقل" الذي يوجه التفاعل نحو منتجات مرغوبة بكفاءة أعلى، ويقلل تكوين المنتجات الثانوية غير المرغوبة. وكلما ارتفعت كفاءة تحويل ثاني أكسيد الكربون إلى نواتج هيدروكربونية مناسبة، زادت فرص الحصول على وقود يمكن إدخاله ضمن سلسلة الاستخدام الحالية في قطاع الطيران، مع الحفاظ على استقرار الأداء وتقليل احتمالات التدهور أثناء التشغيل.

دور المحفزات الكيميائية في تحقيق كفاءة مرتفعة

تُعد المحفزات الكيميائية حجر الأساس في عمليات التحويل المباشر للكربون؛ إذ إنها تحدد سرعة التفاعل وانتقائيته، أي مدى توجيه المواد المتفاعلة نحو النواتج المستهدفة. وفي التطبيقات المتقدمة، لا يكفي أن تكون "النتائج جيدة"، بل يجب أن تكون النتائج ثابتة عبر زمن تشغيل طويل، وأن تتحمل المحفزات ظروف التشغيل دون فقدان فعاليتها أو تغير خصائصها بشكل يؤثر على مخرجات العملية.

عند السعي لرفع كفاءة التحويل، يصبح التركيز على عدة محاور مترابطة: أولاً، اختيار التركيب المعدني أو المكوّنات النشطة داخل المحفز. ثانياً، هندسة السطح والخصائص التي تؤثر في امتصاص الغازات وتكوين الوسط التفاعلي. ثالثاً، التحكم في التفاعلات الجانبية التي قد تستهلك جزءاً من ثاني أكسيد الكربون أو تشكل منتجات لا تلبي مواصفات الوقود المستهدف. ومن النتائج اللافتة في هذا النوع من الأبحاث أن أفضل أداء يرتبط غالباً بتطوير تركيبات محفزة تجمع بين نشاط عالٍ وانتقائية دقيقة، مع قابلية أفضل للاستقرار تحت ظروف تشغيلية.

ومن منظور عملي، فإن وجود كفاءة عالية يعني أن جزءاً أكبر من ثاني أكسيد الكربون المتاح يتحول فعلياً إلى هيدروكربونات مناسبة، وليس مجرد نواتج غير مفيدة بيئياً أو اقتصادياً. كما أن الاستقرار -مثل القدرة على الحفاظ على الأداء لفترات طويلة- يمثل نقطة حاسمة لتقليل تكلفة التشغيل، لأن تدهور المحفز أو الحاجة المتكررة للاستبدال يرفع تكلفة الإنتاج ويؤخر انتقال التقنية إلى مرحلة التطبيق التجاري.

كيف يسهم التعلم الآلي في تحسين مسارات التحويل؟

تطوير محفز فعال ليس عملية عشوائية؛ بل هو مزيج من تجارب مخبرية مكثفة وفهم عميق للكيمياء السطحية والتفاعلات. غير أن حجم البيانات المطلوبة للوصول إلى أفضل تركيبة قد يكون كبيراً للغاية عند الاعتماد على التجريب التقليدي وحده. لذلك، أصبح دمج التعلم الآلي خياراً عملياً لتسريع عملية اكتشاف المحفزات وتحسينها، عبر تحليل أنماط الأداء وربطها بخصائص المواد وظروف التفاعل.

يعمل التعلم الآلي -في هذا الإطار- كحلقة وصل بين التجارب عالية الإنتاجية والنماذج التنبؤية. فعوضاً عن تجربة تركيبات كثيرة باليد دون نظام، يتم إدخال البيانات الناتجة عن تجارب سابقة إلى نموذج قادر على التعلم، ثم يساهم النموذج في اقتراح تركيبات أو ظروف تشغيل أكثر احتمالاً لإنتاج نواتج مرغوبة. بهذا الأسلوب، يتم تقليص عدد التجارب غير الضرورية، وتسريع الوصول إلى تركيبة يمتدحها الأداء وتظهر نتائجها في اتجاه تحسين الانتقائية والكفاءة.

كما أن التعلم الآلي يساعد على فهم العلاقة بين التكوين الكيميائي للمحفز وخصائصه على المستوى المجهري، مثل كيف يؤثر وجود عنصر أو نسبة معينة على تكوين النواتج. ومع تكرار الدورات بين التجربة والنموذج، تصبح عملية التحسين أكثر ذكاءً ومرونة. والنتيجة المتوقعة ليست مجرد رفع رقم الكفاءة في تجربة واحدة، بل تحسين شامل يشمل الاستقرار عبر الزمن، وتقليل تكوين المنتجات الثانوية، وبالتالي زيادة قابلية المنتج النهائي لمواجهة متطلبات الاختبارات اللاحقة المرتبطة بمعايير الوقود.

من المختبر إلى التطبيق التجاري: الطريق ليس قصيراً

حتى عندما تثبت النتائج في بيئة بحثية أن تحويل ثاني أكسيد الكربون يمكن أن يصل إلى مستويات عالية من الكفاءة، تبقى مرحلة الانتقال إلى التطبيق التجاري مرحلة حاسمة تتطلب توسيع النطاق والتأكد من جدوى العملية اقتصادياً وتقنياً. فالمسافة بين "نتيجة مبهرة في المختبر" و"عملية قابلة للتشغيل الصناعي" قد تشمل تحديات إضافية مثل التحكم في الظروف على نطاق أكبر، وإدارة التفاعلات مع تدفقات الغاز والحرارة، وضمان ثبات أداء المحفز مع الزمن في ظروف أكثر تعقيداً.

من الجوانب المهمة أيضاً مواءمة المنتج النهائي مع متطلبات الوقود القياسية. وعادةً ما يتطلب تحقيق ذلك المرور بمراحل معالجة أو تحويلات إضافية، مثل خطوات الهدرجة والتقطير، لضمان أن خصائص الوقود الناتجة تقع ضمن نطاقات محددة تهم قطاع الطيران. وعندما يثبت المنتج قدرته على اجتياز اختبارات البداية وفق معايير معروفة، يصبح الطريق أقرب لإتمام سلسلة التطوير اللاحقة: من تقييم الأداء في ظروف تشغيل واقعية، إلى تحليل التكلفة، ثم التأكد من إمكانية إعادة الإنتاج على مستوى صناعي.

كما يظل عنصر الاستقرار جزءاً من القرار الاستثماري: فإذا حافظ المحفز على فعاليته لفترة طويلة تحت التشغيل، فإن ذلك يرفع من احتمالات اعتماد التقنية في خطوط إنتاج مستمرة، ويقلل من الكلفة المرتبطة بتوقفات الصيانة أو الاستبدال. لذلك، فإن نجاح أي مشروع طويل الأمد لا يقاس بالرقم الأعلى في يوم التجربة فقط، بل بمدى قدرة النظام على الاستمرار دون تراجع.

خاتمة

إن تحويل ثاني أكسيد الكربون إلى وقود طائرات يختزل تحولاً جذرياً في طريقة التعامل مع الانبعاثات: من الانطلاق نحو التخلص فقط، إلى الانطلاق نحو إعادة التدوير الكيميائي لإنتاج طاقة يمكن استخدامها ضمن قطاعات استراتيجية. وتوضح التطورات الحديثة أن الوصول إلى كفاءات مرتفعة لا يعتمد على خطوة واحدة، بل على منظومة متكاملة تشمل تطوير محفزات بتركيبات ذكية ذات نشاط وانتقائية واستقرار، إلى جانب توظيف التعلم الآلي لتسريع اكتشاف أفضل تركيبات ومعلمات التشغيل. ومع استمرار التحقق من مطابقة المنتج لمتطلبات الاختبارات، وتوسيع النطاق نحو بيئات صناعية، تصبح فرص بناء حلول منخفضة الكربون أكثر واقعية.