Incluso una simple reacción química puede resultar sorprendentemente complicada. Eso es especialmente cierto para las reacciones que involucran catalizadores, que aceleran la química que produce el combustible, fertilizantes y otros bienes industriales. En teoria, una reacción catalítica puede seguir miles de caminos posibles, y puede llevar años identificar cuál se necesita realmente para que los científicos puedan modificarlo y hacerlo más eficiente.

Ahora, los investigadores del Laboratorio del Acelerador Nacional SLAC del Departamento de Energía y de la Universidad de Stanford han dado un gran paso para eliminar esta maraña de posibilidades. Utilizaron el aprendizaje automático, una forma de inteligencia artificial, para eliminar las rutas de reacción menos probables. para que puedan concentrar su análisis en los pocos que quedan y ahorrar mucho tiempo y esfuerzo.

El método funcionará para una amplia variedad de reacciones químicas complejas y debería acelerar drásticamente el desarrollo de nuevos catalizadores. el equipo informó en Comunicaciones de la naturaleza .

'Una tarea desalentadora'

"Diseñar un catalizador novedoso para acelerar una reacción química es una tarea desalentadora, "dijo Thomas Bligaard, un científico del personal del Centro SUNCAT para la ciencia de la interfaz y la catálisis, un instituto conjunto SLAC / Stanford donde se llevó a cabo la investigación. "Hay una gran cantidad de trabajo experimental que normalmente se lleva a cabo".

Por ejemplo, él dijo, Encontrar un catalizador que convierta el nitrógeno del aire en amoníaco, considerado uno de los desarrollos más importantes del siglo XX porque hizo posible la producción a gran escala de fertilizantes. ayudar a lanzar la Revolución Verde - tomó décadas de probar varias reacciones una por una.

Incluso hoy, con la ayuda de simulaciones de supercomputadoras que predicen los resultados de las reacciones aplicando modelos teóricos a enormes bases de datos sobre el comportamiento de productos químicos y catalizadores, la búsqueda puede llevar años, porque hasta ahora se ha basado en gran medida en la intuición humana para elegir a los posibles ganadores entre las muchas vías de reacción disponibles.

"Necesitamos saber cuál es la reacción, y cuáles son los pasos más difíciles en el camino de la reacción, incluso para pensar en hacer un mejor catalizador, "dijo Jens Nørskov, profesor en SLAC y Stanford y director de SUNCAT.

"También necesitamos saber si la reacción produce solo el producto que queremos o si también produce subproductos indeseables. Básicamente, hemos estado haciendo suposiciones razonables sobre estas cosas, y realmente necesitamos una teoría sistemática que nos oriente ".

Cambiar la intuición humana por el aprendizaje automático

Para este estudio, el equipo analizó una reacción que convierte el gas de síntesis, una combinación de monóxido de carbono e hidrógeno, en combustibles y productos químicos industriales. El gas de síntesis fluye sobre la superficie de un catalizador de rodio, que, como todos los catalizadores, no se consume en el proceso y se puede utilizar una y otra vez. Esto desencadena reacciones químicas que pueden producir una serie de posibles productos finales, como el etanol, metano o acetaldehído.

"En este caso, hay miles de posibles vías de reacción:un número infinito, realmente, con cientos de pasos intermedios, "dijo Zachary Ulissi, investigador postdoctoral en SUNCAT. "Por lo general, lo que sucedería es que un estudiante de posgrado o un investigador postdoctoral los revisara uno a la vez, utilizando su intuición para elegir lo que creen que son los caminos más probables. Esto puede llevar años ".

El nuevo método abandona la intuición en favor del aprendizaje automático, donde una computadora usa un conjunto de reglas de resolución de problemas para aprender patrones de grandes cantidades de datos y luego predecir patrones similares en nuevos datos. Es una herramienta entre bastidores en un número cada vez mayor de tecnologías, desde vehículos autónomos hasta detección de fraudes y recomendaciones de compra online.

Deshierbe rápido

Los datos utilizados en este proceso provienen de estudios anteriores de productos químicos y sus propiedades, incluyendo cálculos que predicen las energías de enlace entre átomos basados ​​en principios de mecánica cuántica. Los investigadores estaban especialmente interesados ​​en dos factores que determinan la facilidad con que se desarrolla una reacción catalítica:la fuerza con la que los químicos que reaccionan se unen a la superficie del catalizador y qué pasos de la reacción presentan las barreras más importantes para seguir adelante. Estos se conocen como pasos de limitación de velocidad.

Una reacción buscará el camino que requiera menos energía, Ulissi explicó, Al igual que un diseñador de carreteras, elegirá una ruta entre montañas en lugar de perder el tiempo buscando una forma eficiente de pasar por encima de un pico. Con el aprendizaje automático, los investigadores pudieron analizar las vías de reacción una y otra vez, cada vez eliminando las rutas menos probables y ajustando la estrategia de búsqueda para la siguiente ronda.

Una vez que todo estuvo configurado, Ulissi dijo, "Solo tomó segundos o minutos eliminar los caminos que no eran interesantes. Al final, solo había alrededor de 10 barreras de reacción que eran importantes". El nuevo método él dijo, tiene el potencial de reducir el tiempo necesario para identificar una vía de reacción de años a meses.