Коллектив Международного исследовательского института интеллектуальных материалов провел пятидневный эксперимент на синхротроне в Гренобле в рамках Российско-Бельского гранта РНФ. Исследования направлены на разработку и диагностику новых эффективных катализаторов, которые могут быть использованы в фармацевтической и тонкой химической промышленности. В ходе работы ученые получили селективный катализатор, способный производить ценные ненасыщенные углеводороды без образования гораздо более дешевых насыщенных. Эти материалы позволят получать алкены не из нефтепродуктов, как это делается сейчас, а из биосырья.
ЮФУ
# алкены
# катализаторы
# лекарства
# Мегасайенс
# фармацевтика
В ЮФУ провели большой эксперимент на установке Мегасайенс и получили новые катализаторы для фармацевтики / ©Getty images
Перед исследователями стоит задача установить точную структуру активных центров катализаторов и понять природу их свойств. Для ее решения ученые используют физические методы, основанные на использовании установок Мегасайенс – источников синхротронного излучения.
Современные источники синхротронного излучения – это большие накопительные кольца с периметром до нескольких километров, в которых с невероятно высокими скоростями двигаются электроны. Количество таких установок в мире невелико и доступ к ним предоставляется на конкурентной основе: чтобы провести свой эксперимент, необходимо направить заявку, которую рассматривает жюри из ведущих международных исследователей.
«Благодаря высокой практической значимости проекта и нашему огромному опыту в проведении экспериментов на установках Мегасайенс, наша заявка была одобрена в ведущем мировом синхротронном центре ESRF (Франция) с наивысшими баллами, и с 28 января по 1 февраля было выделено время на проведение эксперимента», – рассказал заведующий Международной исследовательской лабораторией нанодиагностики Южного федерального университета Арам Бугаев.
Эксперимент ученых из ЮФУ / ©Пресс-служба ЮФУ
Из-за текущей эпидемиологической ситуации эксперимент проходил в смешанном формате – управление экспериментальной станцией проходило круглосуточно в удаленном режиме на базе лаборатории в Ростове-на-Дону. «Находясь в стенах своего университета, мы имели полный доступ к оборудованию синхротрона во Франции», – рассказал аспирант Лаборатории технологий искусственного интеллекта и больших данных для нанодиагностики материалов ЮФУ Олег Усольцев.
Чтобы обеспечить круглосуточные измерения, контроль за экспериментом и непрерывную обработку получаемых данных проводила команда из пяти человек, включая студентов и аспирантов МИИ Интеллектуальных материалов ЮФУ. В Гренобле эксперимент курировал молодой ученый из Католического университета Левена Симон Смолдерс.
Удаленная работа над экспериментом / ©Пресс-служба ЮФУ
«В ходе работы мы получили селективный (избирательный) катализатор, способный производить ценные алкены (ненасыщенные углеводороды) без образования гораздо более дешевых алканов (насыщенных углеводородов) благодаря комплексам рутения и рентгеновской спектроскопии. Эти материалы позволят получать алкены не из нефтепродуктов, как это делается сейчас, а из биосырья», – рассказал Симон Смолдерс.
Несмотря на удаленный режим работы, по словам ученых, измерения прошли крайне успешно.
«Огромную роль в этом сыграла помощь и координация эксперимента нашим выпускником – Кириллом Ломаченко, который сейчас работает на станции BM23 синхротронного центра ESRF», – поделилась аспирант Лаборатории технологий искусственного интеллекта и больших данных для нанодиагностики материалов ЮФУ Алина Скорынина.
Удаленная работа над экспериментом / ©Пресс-служба ЮФУ
Но успешный эксперимент – это только верхушка айсберга. Впереди научную группу ждет колоссальная работа по детальному анализу измеренных спектров рентгеновского поглощения. «В этом направлении сотрудники Международного исследовательского института интеллектуальных материалов разрабатывают новые оригинальные методы, например, основанные на применении алгоритмов машинного обучения.
Более того, в течение первого года Российско-Бельгийского проекта мы провели теоретическое моделирование спектров для нескольких тысяч гипотетических структур. На основе такой теоретической базы данных и использовании алгоритмов машинного обучения теперь можно предсказать структуру неизвестных соединений по измеренных спектрам», – заключил научный руководитель МИИ интеллектуальных материалов ЮФУ Александр Солдатов.
Источник: