Los investigadores han aprovechado el poder de la inteligencia artificial para avanzar significativamente en el descubrimiento y la optimización de electrocatalizadores de óxido metálico multicomponente para la reacción de reducción de oxígeno (ORR).
Este avance tiene el potencial de revolucionar la eficiencia y la asequibilidad de las tecnologías de energía renovable, como las pilas de combustible y las baterías de hidrógeno, allanando el camino hacia un futuro energético sostenible.
Los detalles de los hallazgos se publicaron en el Journal of Materials Chemistry A. el 23 de abril de 2024.
El estudio analizó 7.798 catalizadores ORR de óxido metálico distintos procedentes de experimentos de alto rendimiento. Estos catalizadores, que contienen elementos como níquel, hierro, manganeso, magnesio, calcio, lantano, itrio e indio, se probaron a diferentes potenciales para evaluar su rendimiento.
Utilizando el método de aprendizaje automático XGBoost, los investigadores construyeron un modelo predictivo para identificar nuevas composiciones potenciales sin la necesidad de pruebas experimentales exhaustivas.
La investigación encontró que una gran cantidad de electrones itinerantes y una alta entropía de configuración son características críticas para lograr una alta densidad de corriente en ORR. Para una densidad de corriente de 0,8 VRHE, los sistemas ternarios Mn – Ca – La, Mn – Ca – Y y Mn – Mg – Ca mostraron un potencial significativo para aplicaciones de pilas de combustible de hidrógeno. A 0,63 VRHE, los sistemas Mn–Fe–X (X =Ni, La, Ca, Y) y Mn–Ni–X (X =Ca, Mg, La, Y) se identificaron como candidatos prometedores para la producción de peróxido de hidrógeno. /P>
"Nuestro enfoque innovador que utiliza el aprendizaje automático acelera el diseño y la optimización de catalizadores multicomponente, ahorrando tiempo y recursos considerables", afirma Xue Jia, profesor asistente en el Instituto Avanzado de Investigación de Materiales y uno de los coautores del estudio.
"Al identificar eficientemente composiciones de catalizadores de alto rendimiento, tenemos un método transformador demostrado que puede conducir a avances significativos en tecnologías de energía sostenible.
Los catalizadores mejorados pueden mejorar la eficiencia y reducir el costo de las tecnologías de energía renovable, promoviendo su adopción más amplia y reduciendo la dependencia de los combustibles fósiles. Los sistemas de almacenamiento de energía más eficientes pueden reducir los costos generales, haciendo que la energía renovable sea más accesible y contribuyendo a la conservación del medio ambiente.
La aplicación exitosa del aprendizaje automático en este estudio sienta un precedente para futuras investigaciones, lo que podría conducir a avances en diversos campos científicos. Los catalizadores ORR mejorados también pueden mejorar la producción de peróxido de hidrógeno, ampliamente utilizado para procesos industriales y de desinfección, lo que beneficia la salud y la seguridad públicas.
"Esta investigación subraya el increíble potencial de la inteligencia artificial para acelerar el diseño de catalizadores y el descubrimiento de materiales", añade Jia. "Esperamos que nuestros hallazgos hagan posibles futuros avances en tecnologías de energía sostenible, que son cruciales para abordar los desafíos energéticos globales".
Más información: Xue Jia et al, El aprendizaje automático permitió la exploración de óxidos metálicos multicomponentes para catalizar la reducción de oxígeno en medios alcalinos, Journal of Materials Chemistry A (2024). DOI:10.1039/D4TA01884B
Información de la revista: Revista de Química de Materiales A
Proporcionado por la Universidad de Tohoku
