Prof. Dr. Johannes Margraf en een team van wetenschappers hebben een veelbelovende methode ontwikkeld om de efficiëntie van elektrokatalysatoren te verbeteren. Met behulp van simulaties en kunstmatige intelligentie hebben de onderzoekers een computerprogramma ontwikkeld dat meerdere eigenschappen van de katalysator tegelijkertijd kan optimaliseren. De resultaten zijn nu gepubliceerd in het Journal of the American Chemical Society .

Hoge entropielegeringen (HEA's) zijn een veelbelovend type materiaal voor elektrokatalyse. Elektrokatalyse is een proces waarbij bepaalde materialen helpen bij het versnellen van chemische reacties die plaatsvinden in batterijen of brandstofcellen.

In tegenstelling tot conventionele metaalkatalysatoren bestaan ​​deze materialen uit een mengsel van vele elementen. Als gevolg hiervan hebben ze een zeer complexe structuur en zouden ze daarom betere katalytische eigenschappen kunnen hebben in elektrolyzers en brandstofcellen. Voor onderzoekers is het echter lastig om de beste mix van elementen voor een specifieke toepassing te vinden.

"Eerder werk was vooral gericht op het verbeteren van de katalytische activiteit", zegt Margraf, voorzitter van Physical Chemistry V:Theory and Machine Learning aan de Universiteit van Bayreuth. "We hebben echter een algoritme ontwikkeld dat simulaties en kunstmatige intelligentie kan gebruiken om tegelijkertijd verschillende eigenschappen van de katalysator te verbeteren, zoals activiteit, kosten en stabiliteit."

Hierdoor konden de onderzoekers van Bayreuth en het Fritz Haber Instituut in Berlijn veel nieuwe HEA's voorspellen die verschillende afwegingen tussen deze eigenschappen bieden.

"We hebben het algoritme specifiek getest voor zuurstofreductie in brandstofcellen, waar normaal gesproken duur platina als katalysator wordt gebruikt. We hebben katalysatoren gevonden die net zo actief zijn als platina, maar veel minder kosten:slechts 10% vergeleken met platina", legt Margraf uit. "We hebben ook katalysatoren kunnen identificeren die tweeënhalf keer zo actief zijn als platina, maar tegen vergelijkbare kosten."

De theoretische voorspellingen van de Bayreuth-onderzoeker moeten nu worden bevestigd door praktische experimenten.

Meer informatie: Wenbin Xu et al., Discovering High Entropy Alloy Electrocatalysts in Grote Composition Spaces with Multiobjective Optimization, Journal of the American Chemical Society (2024). DOI:10.1021/jacs.3c14486

Aangeboden door de Universiteit van Bayreuth