La inteligencia artificial y la infraestructura de laboratorio automatizada están acelerando enormemente el desarrollo de nuevos catalizadores químicos. Con estas herramientas, los investigadores de ETH Zurich están desarrollando catalizadores para sintetizar de manera eficiente y rentable la fuente de energía metanol a partir de CO2. .
Los catalizadores son los pequeños ayudantes que trabajan duro en la química. Aceleran las reacciones y reducen la energía necesaria para que se produzca una reacción. Cuanto más específico y eficaz sea un catalizador, más eficazmente se suprimirán las reacciones secundarias indeseables.
En la naturaleza, las enzimas tienen la función de estimular específicamente los procesos metabólicos necesarios entre las casi infinitas posibilidades de reacción de la sopa química dentro de las células. En las plantas químicas, normalmente se emplean catalizadores metálicos para aumentar el rendimiento del producto.
Los investigadores que trabajan en la plataforma tecnológica Swiss Cat+ en ETH Zurich, dirigidos por Paco Laveille, han desarrollado un método totalmente digitalizado y automatizado que les permite encontrar nuevos y mejores catalizadores metálicos mucho más rápido que antes. Su proceso consiste en una combinación de inteligencia artificial (IA) para calcular composiciones de catalizadores prometedoras y un laboratorio de pruebas y síntesis automatizado.
Con esta infraestructura, al equipo le llevó menos de seis semanas desarrollar con éxito alrededor de 150 composiciones de catalizadores para producir metanol a partir de CO2. . Los mejores catalizadores son rentables y presentan altas tasas de conversión con una baja proporción de subproductos. "Este nuevo método ahorra una enorme cantidad de tiempo", afirma Laveille. "Con un enfoque convencional, nuestros experimentos habrían durado años."
Los investigadores han publicado dos artículos sobre su método. El primero se publicó el año pasado en CHIMIA y el segundo esta semana en Chem Catalysis .
El metanol se considera uno de los elementos clave para una economía sostenible de hidrocarburos. Un pariente químico cercano del etanol (es decir, beber alcohol), la sustancia puede usarse como combustible y como materia prima para la producción de compuestos orgánicos como medicamentos, plásticos o pinturas.
Al ser líquido, el metanol es mucho más fácil de transportar y almacenar que el hidrógeno y el metano gaseosos, otras dos fuentes de energía. Es más, el uso de metanol en la infraestructura de suministro existente y en los motores de la tecnología actual de gasolina sólo requiere modificaciones menores.
En la búsqueda de catalizadores óptimos para la producción de metanol, existe un gran problema:teóricamente, los átomos pueden combinarse de un número casi infinito de formas para formar un catalizador. "El espacio químico en el que buscamos catalizadores comprende alrededor de 10 20 posibilidades:eso es cien billones de billones. Así que literalmente estamos buscando una aguja en el pajar químico", explica Christophe Copéret, profesor del Laboratorio de Química Inorgánica de la ETH Zurich y co-iniciador del proyecto Swiss Cat+.
Para reducir el enorme abanico de posibilidades, los investigadores hicieron una preselección basada en la experiencia y las necesidades económicas. Un catalizador que pueda utilizarse a gran escala no sólo debe ser eficaz sino también económico. Por este motivo, los principales ingredientes activos del catalizador se limitaron a tres metales comparativamente baratos:hierro, cobre y cobalto.
Además de estos metales principales, los investigadores consideraron tres elementos que tradicionalmente se añaden a los catalizadores en pequeñas cantidades con fines de dopaje, así como el potasio, que también se encuentra en muchos catalizadores. En cuanto a los materiales de soporte, los investigadores se limitaron a cuatro óxidos metálicos típicos. Multiplicado por las diferentes proporciones de mezcla, esto daba como resultado 20 millones de combinaciones posibles.
Adoptar medidas iterativas con estadísticas respaldadas por IA
En este punto, los investigadores pusieron en juego un algoritmo de IA que utiliza lo que se conoce como optimización bayesiana para encontrar las mejores soluciones posibles. Esta forma especial de estadística es especialmente adecuada cuando sólo se dispone de una pequeña cantidad de datos. A diferencia de la estadística clásica, la probabilidad no se deriva de la frecuencia relativa calculada a partir de numerosos experimentos. En cambio, el cálculo tiene en cuenta la probabilidad que se puede esperar según el estado actual de los conocimientos.
En la ronda inicial, el algoritmo seleccionó aleatoriamente 24 composiciones de catalizadores que cumplían las especificaciones establecidas para limitar la complejidad. Estos catalizadores se produjeron directamente utilizando la infraestructura del laboratorio automatizado Swiss Cat+ y luego se probaron.
Los resultados de esta selección inicial sirvieron a los investigadores como punto de partida para una predicción de IA; las composiciones catalíticas así predichas fueron a su vez sintetizadas y probadas automáticamente. Para esta primera prueba de demostración, los científicos hicieron que su sistema integrado completara un total de seis rondas de este tipo.
El hecho de que los resultados mejoraran entre rondas no de forma lineal, sino a pasos agigantados, fue totalmente intencionado:el algoritmo no sólo optimiza los resultados de rondas anteriores, sino que también incluye un componente exploratorio que introduce composiciones completamente nuevas en cada ronda. gira y aprende sobre el espacio químico. Así es como los investigadores evitaron que los cálculos se quedaran estancados en un callejón sin salida de optimización entre todas las posibilidades.
Sin embargo, en este primer proyecto, la principal preocupación de los investigadores no era encontrar el mejor catalizador posible para la síntesis de metanol. "Actualmente, el conocimiento sobre los catalizadores para la producción de combustible se basa principalmente en la experiencia de la industria petrolera", afirma Copéret. "En lo que respecta a las reacciones para el uso en la industria de la energía sostenible, todavía faltan en gran medida datos fiables."
Sin embargo, los algoritmos de IA y la inteligencia de investigación humana necesitan esos datos antes de poder buscar de manera más específica en el vasto espacio de posibilidades químicas. "Y ese es precisamente el tipo de datos reproducibles y de alta calidad que ahora ofrece nuestro laboratorio de robots asistido por IA. Sin duda, esto hará avanzar mucho la investigación sobre catalizadores", añade Laveille.
Más información: Paco Laveille et al, Swiss CAT+, una infraestructura basada en datos para el descubrimiento y la optimización de catalizadores acelerados, CHIMIA (2023). DOI:10.2533/chimia.2023.154
Adrian Ramirez et al, Exploración acelerada de CO2 heterogéneo catalizadores de hidrogenación mediante experimentación automatizada y de alto rendimiento optimizada bayesiana, Chem Catalysis (2024). DOI:10.1016/j.checat.2023.100888
Proporcionado por ETH Zurich
