Wetenschap
Fig. 1:Correlatie tussen eenvoudige descriptoren en doeleigenschappen.
Skoltech-onderzoekers en hun collega's uit China en Duitsland hebben een nieuw zoekalgoritme gepresenteerd voor single-atom-alloy-katalysatoren (SAAC's) die meer dan 200 nog niet-gerapporteerde kandidaten hebben gevonden. Hun werk biedt een recept voor het vinden van de beste SAAC's voor verschillende toepassingen. Het artikel is gepubliceerd in het tijdschrift Natuurcommunicatie .
Katalysatoren met één atoomlegering, of SAAC's, waar enkele atomen van zeldzame en dure metalen zoals platina zijn verspreid op een inerte metaalgastheer, zijn zeer efficiënt en selectief in talrijke katalytische reacties, inclusief selectieve hydrogeneringen, dehydrogeneringen, C−C en C−O koppelingsreacties, GEEN reductie, en CO-oxidatie. Daarom worden ze gebruikt in industrieel belangrijke reacties, zoals de hydrogenering van organische moleculen voor het opwaarderen van chemicaliën tot producten met een hogere waarde.
"De efficiëntie van SAAC's in deze reacties wordt toegeschreven aan een synergetisch effect van legeringscomponenten die zorgen voor een efficiënte dissociatie van waterstofmoleculen zonder overmatige binding van waterstofatomen. er zijn niet zo veel SAAC's bekend die stabiel en tegelijkertijd katalytisch actief zijn, vooral omdat hun ontwerp tot nu toe grotendeels berustte op vallen en opstaan. Zelfs binnen binaire legeringen zijn er enkele duizenden mogelijke SAAC met verschillende metaalcombinaties en oppervlaktesneden. Dit maakt de trial and error-benadering uiterst inefficiënt, "Sergey Levchenko, Universitair docent bij het Skoltech Center for Energy Science and Technology, zegt.
Levchenko en zijn collega's waren in staat om nauwkeurige en betrouwbare machinale leermodellen te identificeren op basis van eerste-principeberekeningen voor de beschrijving van de waterstofbindingsenergie, dissociatie energie, en gastatoomscheidingsenergie voor SAAC's. Dit bracht hen ertoe een veel snellere (met een factor duizend) maar betrouwbare voorspelling te doen van de katalytische prestaties van duizenden SAAC's.
"Het model evalueert de prestaties van experimenteel geteste SAAC's correct. Door meer dan vijfduizend SAAC's te scannen met ons model, we hebben meer dan tweehonderd nieuwe SAAC's geïdentificeerd met zowel verbeterde stabiliteit als prestaties in vergelijking met de bestaande, ’ schrijven de auteurs.
Ze gebruikten kunstmatige intelligentie om belangrijke parameters (descriptoren) uit computationele gegevens te extraheren die correleren met de katalytische prestaties van SAAC's en die tegelijkertijd zeer snel te berekenen zijn. Naast praktische modellen, de auteurs ontwikkelden ook een nieuwe methode voor machinaal leren voor het identificeren van combinaties van fysieke eigenschappen van materialen die resulteren in uitstekende katalytische prestaties, dus fysieke kennis en begrip uit data halen.
"De ontwikkelde methodologie kan eenvoudig worden aangepast voor het ontwerpen van nieuwe functionele materialen voor verschillende toepassingen, inclusief elektrokatalyse (zuurstofreductie en waterstofontwikkelingsreacties), brandstofcellen, reforming van methaan, en water-gas shift reactie, ' merkt Levchenko op.
Wetenschap © https://nl.scienceaq.com