Milieuvriendelijke methoden voor de industriële productie van chemicaliën zijn dringend nodig. LMU-onderzoekers hebben onlangs een dergelijke procedure beschreven voor de synthese van formaldehyde, en hebben het nu verbeterd met behulp van machine learning.

Formaldehyde is een van de belangrijkste grondstoffen die in de chemische industrie worden gebruikt, en dient als uitgangspunt voor de synthese van veel complexere chemische producten. De industriële productie van formaldehyde is momenteel gebaseerd op een grootschalige procedure die fossiele brandstoffen verbruikt en een hoge energie-input vereist. Efficiëntere en duurzamere vormen van synthese zijn daarom dringend nodig, die een belangrijke bijdrage kunnen leveren aan de matiging van het klimaat. LMU-chemicus Professor Oliver Trapp en zijn collega's hebben nu een nieuwe workflow ontwikkeld voor de productie van formaldehyde, die is gebaseerd op een algoritme dat is geconstrueerd met behulp van machine learning. De nieuwe procedure verhoogt de opbrengst van de verbinding met een factor 5, zoals het team nu in het journaal meldt Chemische Wetenschappen . De auteurs van de studie zijn ervan overtuigd dat hun nieuwe aanpak een groot potentieel heeft en in principe kan worden toegepast op andere synthetische procedures.

De industriële synthese van formaldehyde begint met syngas [een mengsel van koolmonoxide (CO) en moleculaire waterstof (H2)] - waaraan methanol wordt toegevoegd voordat het wordt geoxideerd met behulp van een katalysator. Echter, de productie van syngas zelf vereist hoge temperaturen en fossiele brandstoffen zoals aardgas of steenkool. In een eerdere studie, de LMU-onderzoekers beschreven de ontwikkeling van een reactieschema waarmee in één stap een formaldehydederivaat kon worden gesynthetiseerd uit een mengsel van waterstofgas en kooldioxide, in aanwezigheid van een homogene katalysator, onder gematigde omstandigheden van temperatuur en druk. Bij toevoeging van methanol, dit derivaat kon vervolgens worden omgezet in het gewenste eindproduct. De strategie heeft een aantal voordelen ten opzichte van de conventionele procedure. "Allereerst, het staat CO . toe ₂ , dat een bijproduct is van verschillende industriële processen (bijvoorbeeld bij de productie van staal) te recyclen. Deze benadering verbetert dus niet alleen de efficiëntie van de formaldehydesynthese, het vermindert ook de snelheid van accumulatie van CO ₂ in de atmosfeer. In het licht van de aanhoudende klimaatverandering, dit is een veelgevraagd en zeer welkom neveneffect van de procedure, ", zegt Trapp. "Bovendien, het hele proces vereist veel minder energie dan alternatieve syntheseroutes, omdat het optreedt bij lagere temperaturen en met minder stappen."

De groep heeft deze procedure nu geoptimaliseerd door niet minder dan zeven parameters te variëren die de opbrengst van formaldehydesynthese in hun systeem beïnvloeden, en het gebruik van machine learning om de parametercombinaties te identificeren die de beste resultaten opleveren. Het essentiële kenmerk van machine learning-algoritmen is dat ze in staat zijn om te leren van ervaring, indien voorzien van geschikte 'training'-datasets. "In de methode die we gebruikten, willekeurig bos genoemd, de initiële datasets geldige resultaten bevatten die zijn verkregen op basis van empirische waarnemingen of berekeningen, " zegt Trapp. Een subset van deze gegevens wordt gebruikt om het algoritme te trainen, zodat het een wiskundige relatie kan construeren tussen deze invoergegevens en de bijbehorende resultaten. Het resultaat van deze stap is dus een wiskundig model. Het vermogen van het model om rekening te houden met de rest van de gegevens kan vervolgens worden geëvalueerd, en het model kan geleidelijk worden afgesteld.

Met behulp van deze methode, het LMU-team was in staat om de optimale reactieomstandigheden voor hun chemische systeem te bepalen. Door de invoerparameters op de juiste manier af te stemmen in een nieuwe reactieopstelling, ze waren in staat om de effectiviteit van het algoritme direct te testen. "Het nieuwe reactieschema verhoogde de efficiëntie van de synthese met 500% ten opzichte van die van de conventionele manier van formaldehydeproductie, " zegt Trapp. "Dit resultaat overtrof onze verwachtingen aanzienlijk, en het demonstreert het potentieel van moderne algoritmen om de resultaten te maximaliseren met minimale praktische inspanning."

De auteurs zijn ervan overtuigd dat hun resultaten chemische ingenieurs zullen motiveren om het proces over te nemen en op technische schaal uit te voeren. "BASF, onze partner in het project, is al bezig met het beoordelen van de industriële relevantie van het proces, ", zegt Trapp. Gezien het feit dat de jaarlijkse wereldwijde productie van formaldehyde met een aanzienlijke marge meer dan 20 miljoen ton bedraagt, en de vraag naar de verbinding blijft stijgen, dit relatief goedaardige alternatief voor de huidige wijze van synthese zou een aanzienlijke bijdrage kunnen leveren aan de vermindering van broeikasgassen.