La nueva base de datos tiene como objetivo acelerar el desarrollo de electrocatalizadores a través de conocimientos a escala atómica
La generación de combustibles y productos químicos a partir de dióxido de carbono, agua, nitrógeno y otras materias primas es de crucial importancia para descarbonizar esas industrias. BEAST DB facilita la comprensión atomística de lo que impulsa estas reacciones electrocatalíticas. Crédito:Alfred Hicks, NREL
La búsqueda de catalizadores más productivos para la creación de combustibles sostenibles y productos químicos básicos a través de reacciones electroquímicas se ha vuelto más fácil.
Alimentados con electricidad renovable, los electrocatalizadores que producen combustibles y productos químicos a partir de agua, dióxido de carbono o nitrógeno tienen el potencial de descarbonizar las industrias química y de transporte pesado. Esta descarbonización se puede lograr mediante la sustitución directa de los combustibles fósiles o la producción de combustibles y productos químicos con menor consumo energético.
Una nueva base de datos de electrocatálisis de código abierto, desarrollada por el Laboratorio Nacional de Energía Renovable (NREL) y sus socios, proporciona a los investigadores una visión integral de la conversión de energía electroquímica. La gran cantidad de datos permite conocer los factores fundamentales que gobiernan los cambios en el rendimiento del catalizador y pueden acelerar el diseño de electrocatalizadores.
La nueva base de datos fue desarrollada por el equipo de electroquímica de la teoría funcional más allá de la densidad con técnicas aceleradas y solvatadas (BEAST). El consorcio BEAST, dirigido por Ravishankar Sundararaman del Instituto Politécnico Rensselaer, incluye colaboradores del NREL, el Laboratorio Nacional Lawrence Berkeley, la Universidad de Colorado Boulder y la Universidad de Carolina del Sur.
Una base de datos para conocimientos atomísticos en electroquímica
La base de datos BEAST, o BEAST DB, permite a los electroquímicos teóricos y experimentales explorar reacciones catalíticas a escala atómica y ver numerosas propiedades sobre el rendimiento del catalizador.
Ejemplos de reacciones electroquímicas críticas incluyen la conversión de agua, dióxido de carbono o nitrógeno en hidrógeno, ácido fórmico u otras moléculas reducidas a base de carbono y amoníaco, respectivamente, utilizando electrocatalizadores. Comprender las propiedades fundamentales durante la electrocatálisis puede conducir a avances en la eficiencia y productividad del catalizador.
Derek Vigil-Fowler, el investigador de ciencias computacionales del NREL que conceptualizó BEAST DB, cree que estos datos pueden permitir una comprensión holística de estos catalizadores.
"Tener resultados de referencia estandarizados para las reacciones electrocatalíticas más estudiadas en un solo lugar permite a los investigadores tener una ventanilla única para adquirir una comprensión básica de cómo funciona su catalizador a escala atómica.
"Pueden visualizar la adsorción molecular en la superficie y la transferencia de carga que impulsa las reacciones electrocatalíticas y comprender cómo varía entre los catalizadores y los rangos de potencial aplicados. Otros pueden aprovechar estos cálculos con nuevos cálculos y experimentos y lograr avances en el campo", Vigil- dijo Fowler.
"El objetivo final de BEAST DB es facilitar la exploración del rendimiento de los catalizadores y desarrollar nuevos catalizadores para diferentes reacciones químicas".
La diversidad de condiciones en los experimentos electroquímicos y los cálculos teóricos publicados dificulta una comprensión completa de los sistemas electroquímicos. Si bien la teoría funcional de la densidad (DFT) puede predecir el comportamiento catalítico, los métodos DFT representan de manera inadecuada la duración y las escalas de tiempo en las reacciones electroquímicas, especialmente en la interfaz dinámica electrodo-electrolito.
BEAST DB emplea un marco sistemático que supera las deficiencias de DFT y modela con precisión los sistemas electroquímicos, proporcionando líneas de base claras para el rendimiento del electrocatalizador y sirviendo como base para futuros desarrollos teóricos.
La base de datos también utiliza configuraciones de cálculo uniformes, una pieza crucial que falta en la literatura y que permitirá una comparación más sencilla de la actividad catalítica y la productividad entre diferentes electrocatalizadores y en diferentes condiciones.
Proporcionado por el Laboratorio Nacional de Energías Renovables