Исследователи Сколтеха и их коллеги из Китая и Германии представили новый алгоритм для поиска катализаторов на основе одноатомных сплавов (SAAC). С помощью нового алгоритма уже удалось найти более 200 потенциальных катализаторов. В результатах исследования фактически содержится готовый «рецепт» для быстрого поиска оптимальных SAAC различного назначения.
Сколтех
# искусственный интеллект
# катализаторы
# металлы
# сплавы
# электрокатализ
Искусственный интеллект помог найти более 200 перспективных катализаторов из одноатомных сплавов / ©Getty images
Статья с описанием новой разработки опубликована в журнале Nature Communications. В катализаторах из одноатомных сплавов отдельные атомы редких и дорогих металлов, например, платины, распределены по инертной металлической основе.
Такие катализаторы демонстрируют высокую эффективность и избирательность во многих каталитических реакциях, включая селективное гидрирование, дегидрирование, реакции образования C-C и C-O связей, восстановление NO и окисление CO, что позволяет использовать их для таких промышленно важных реакций, как гидрирование органических молекул с целью преобразования в более ценные продукты.
«Эффективность SAAC в таких реакциях обусловлена эффектом совместной работы компонентов сплава, которые обеспечивают диссоциацию молекул водорода, при этом не допуская слишком сильного связывания атомов водорода. Однако известно не так много одноатомных катализаторов, которые одновременно обладали бы стабильностью и каталитической активностью. Это связано с тем, что до сих пор они создавались методом проб и ошибок.
Даже среди бинарных сплавов существуют тысячи SAAC с различными сочетаниями металлов и разными поверхностными срезами. При таком количестве вариантов метод проб и ошибок оказывается крайне неэффективным», – отмечает старший преподаватель Центра энергетических технологий Сколтеха (CEST) Сергей Левченко.
Левченко и его коллеги смогли найти точные модели машинного обучения на основе данных вычислений из первых принципов, описывающие энергию связей атомов водорода, энергию диссоциации молекул и энергию сегрегации разбавленного компонента SAAC. В результате ученым удалось создать гораздо более быстрый (по скорости в тысячу раз превосходящий вычисления из первых принципов) и при этом надежный способ прогнозирования каталитических свойств для тысяч катализаторов SAAC.
«Наша модель обеспечивает корректную оценку характеристик SAAC, протестированных экспериментальным путем. С помощью этой модели мы предсказали свойства более пяти тысяч SAAC и выявили свыше двухсот новых SAAC, которые по своим характеристикам и стабильности превосходят существующие катализаторы», – отмечается в статье.
С помощью искусственного интеллекта ученые смогли извлечь из вычислительных данных важные параметры (дескрипторы), которые хорошо коррелируют с каталитическими характеристиками SAAC и при этом очень быстро вычисляются. Исследователям удалось не только создать готовые для практического использования модели, но и разработать новую методологию на основе машинного обучения для определения комбинаций физических свойств материалов, при которых можно добиться очень высоких каталитических характеристик.
«Разработанную методологию можно легко адаптировать для создания новых функциональных материалов для различных целей, включая электрокатализ (реакции восстановления кислорода и выделения водорода), топливные элементы, риформинг метана и реакция конверсии водяного газа», – рассказывает Сергей Левченко.
Исследование проводилось с участием специалистов Института генома материалов Шанхайского университета, Берлинского технического университета, Объединенной лаборатории BasCat − UniCat BASF и Шанхайского института перспективных исследований Китайской академии наук.
Источник: