El desarrollo de catalizadores para la producción sostenible de combustibles y productos químicos requiere una especie de efecto Ricitos de oro:algunos catalizadores son demasiado ineficaces mientras que otros son demasiado antieconómicos. Las pruebas de Catalyst también requieren mucho tiempo y recursos. Nuevos avances en química cuántica computacional, sin embargo, son prometedores para descubrir catalizadores que son "perfectos" y miles de veces más rápidos que los enfoques estándar.

El profesor asociado de la Universidad de Pittsburgh, John A. Keith, y su grupo de laboratorio en la Escuela de Ingeniería de Swanson están utilizando nuevos procedimientos de computación de química cuántica para categorizar electrocatalizadores hipotéticos que son "demasiado lentos" o "demasiado caros". mucho más completa y rápidamente de lo que se consideraba posible hace unos años. Keith también es miembro de la facultad Richard King Mellon en Energía en el Departamento de Ingeniería Química y del Petróleo de la Escuela Swanson.

La recopilación de investigación de Keith Group, "Exploraciones químicas cuánticas computacionales del espacio químico / material para electrocatalizadores eficientes, "apareció este mes en Interfaz , una revista trimestral de The Electrochemical Society.

"Por décadas, El desarrollo del catalizador fue el resultado de prueba y error:desarrollo y prueba de años en el laboratorio, dándonos una comprensión básica de cómo funcionan los procesos catalíticos. Hoy dia, El modelado computacional nos proporciona una nueva perspectiva de estas reacciones a nivel molecular, "Keith explicó." Sin embargo, lo más emocionante es la química cuántica computacional, que puede simular las estructuras y la dinámica de muchos átomos a la vez. Junto con el creciente campo del aprendizaje automático, podemos predecir y simular modelos catalíticos de forma más rápida y precisa ".

En el artículo, Keith explicó un enfoque de tres puntos para predecir nuevos electrocatalizadores:1) analizar rutas de reacción hipotéticas; 2) predecir entornos electroquímicos ideales; y 3) cribado de alto rendimiento impulsado por la teoría funcional de la densidad de perturbaciones alquímicas y el aprendizaje automático. El artículo explica cómo estos enfoques pueden transformar la forma en que los ingenieros y científicos desarrollan electrocatalizadores necesarios para la sociedad.

“Estos métodos computacionales emergentes pueden permitir a los investigadores ser más de mil veces más efectivos en el descubrimiento de nuevos sistemas en comparación con los protocolos estándar, ", Dijo Keith." Durante siglos, la química y la ciencia de los materiales se basaron en los modelos tradicionales de Edison de exploración de laboratorio, que traen muchos más fracasos que éxitos y, por lo tanto, una gran cantidad de tiempo y recursos desperdiciados. La química cuántica computacional tradicional ha acelerado estos esfuerzos, pero los métodos más nuevos los sobrecargan. Esto ayuda a los investigadores a identificar mejor los catalizadores no descubiertos que la sociedad necesita desesperadamente para un futuro sostenible ".