• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Química
    AI buscó catalizadores de aleación de un solo átomo, encontró 200 candidatos prometedores

    Fig. 1:Correlación entre descriptores simples y propiedades objetivo.

    Los investigadores de Skoltech y sus colegas de China y Alemania han presentado un nuevo algoritmo de búsqueda de catalizadores de aleación de un solo átomo (SAAC) que encontró más de 200 candidatos aún no informados. Su trabajo proporciona una receta para encontrar los mejores SAAC para diversas aplicaciones. El artículo fue publicado en la revista Comunicaciones de la naturaleza .

    Catalizadores de aleación de un solo átomo, o SAAC, donde átomos individuales de metales raros y costosos como el platino se dispersan en un huésped de metal inerte, son altamente eficientes y selectivos en numerosas reacciones catalíticas, incluyendo hidrogenaciones selectivas, deshidrogenaciones, Reacciones de acoplamiento C − C y C − O, Sin reducción, y oxidación de CO. Es por eso que se utilizan en reacciones de importancia industrial, como la hidrogenación de moléculas orgánicas para convertir los productos químicos en productos de mayor valor.

    "La eficiencia de los SAAC en estas reacciones se atribuye a un efecto sinérgico de los componentes de la aleación que proporcionan una disociación eficiente de la molécula de hidrógeno sin una unión excesiva de átomos de hidrógeno. Sin embargo, no hay tantos SAAC conocidos que sean estables y al mismo tiempo catalíticamente activos, sobre todo porque su diseño hasta ahora se ha basado en gran medida en prueba y error. Incluso dentro de las aleaciones binarias hay varios miles de posibles SAAC con diferentes combinaciones de metales y cortes de superficie. Esto hace que los enfoques de prueba y error sean extremadamente ineficientes, "Sergey Levchenko, Profesor asistente en el Centro Skoltech de Ciencia y Tecnología de la Energía, dice.

    Levchenko y sus colegas pudieron identificar modelos de aprendizaje automático precisos y confiables basados ​​en cálculos de primeros principios para la descripción de la energía de enlace del hidrógeno. energía de disociación, y energía de segregación de átomo huésped para SAAC. Esto los llevó a hacer una predicción mucho más rápida (en un factor de mil) pero confiable del desempeño catalítico de miles de SAAC.

    "El modelo evalúa correctamente el rendimiento de los SAAC probados experimentalmente. Al escanear más de cinco mil SAAC con nuestro modelo, hemos identificado más de doscientos nuevos SAAC con estabilidad y rendimiento mejorados en comparación con los existentes, "escriben los autores.

    Utilizaron inteligencia artificial para extraer parámetros importantes (descriptores) de datos computacionales que se correlacionan con el rendimiento catalítico de los SAAC y, al mismo tiempo, son muy rápidos de calcular. Además de modelos prácticos, Los autores también desarrollaron una metodología novedosa de aprendizaje automático para identificar combinaciones de propiedades físicas de los materiales que dan como resultado un rendimiento catalítico excepcional. extrayendo así conocimiento físico y comprensión de los datos.

    "La metodología desarrollada se puede adaptar fácilmente al diseño de nuevos materiales funcionales para diversas aplicaciones, incluyendo electrocatálisis (reacciones de reducción de oxígeno y desprendimiento de hidrógeno), celdas de combustible, reformado de metano, y reacción de desplazamiento de agua-gas, "Observa Levchenko.


    © Ciencia https://es.scienceaq.com