Science >> Wetenschap >  >> Chemie

AI-techniek bevordert de productie van groene waterstof met behulp van meer overvloedige chemische elementen

Het onderzoeksteam ontwikkelde een AI-techniek die in staat is om nauwkeurig de samenstellingen van materialen met gewenste eigenschappen te voorspellen door van voorspellingsmodel te wisselen, afhankelijk van de omvang van de datasets die beschikbaar zijn voor analyse. Credit:Nationaal Instituut voor Materiaalkunde

Een NIMS-onderzoeksteam heeft een AI-techniek ontwikkeld die de identificatie van materialen met gewenste eigenschappen kan versnellen. Met behulp van deze techniek kon het team hoogwaardige elektrodematerialen voor waterelektrolyse ontdekken die vrij waren van elementen uit de platinagroep – stoffen waarvan eerder werd gedacht dat ze onmisbaar waren bij waterelektrolyse. Deze materialen kunnen worden gebruikt om de kosten van grootschalige productie van groene waterstof, een energiebron van de volgende generatie, te verlagen. Het onderzoek is gepubliceerd in ACS Central Science .



Grootschalige productie van groene waterstof met behulp van waterelektrolyzers is een haalbare manier om koolstofneutraliteit te bereiken. De momenteel verkrijgbare waterelektrolyzers zijn afhankelijk van dure, schaarse elementen uit de platinagroep als belangrijkste elektrokatalysatorcomponenten om de langzame zuurstofontwikkelingsreactie (OER) te versnellen:een elektrolytische waterreactie die waterstof kan produceren.

Om dit probleem aan te pakken wordt er onderzoek gedaan naar de ontwikkeling van platinagroepvrije, goedkopere OER-elektrokatalysatoren die zijn samengesteld uit relatief overvloedige chemische elementen die compatibel zijn met grootschalige groene waterstofproductie. Het identificeren van de optimale chemische samenstelling van dergelijke elektrokatalysatoren uit een oneindig groot aantal mogelijke combinaties bleek echter enorm kostbaar, tijdrovend en arbeidsintensief.

Dit NIMS-onderzoeksteam heeft onlangs een AI-techniek ontwikkeld die in staat is om nauwkeurig de samenstellingen van materialen met gewenste eigenschappen te voorspellen door van voorspellingsmodel te wisselen, afhankelijk van de omvang van de datasets die beschikbaar zijn voor analyse.

Het raamwerk van de samenwerking tussen mens en machine voor versnelde ontdekking van elektrokatalysatoren in OER. Credit:ACS Central Science (2023). DOI:10.1021/acscentsci.3c01009

Met behulp van deze AI kon het team in slechts één maand nieuwe, effectieve OER-elektrokatalytische materialen identificeren uit ongeveer 3.000 kandidaatmaterialen. Ter referentie:de handmatige, uitgebreide evaluatie van deze 3.000 materialen zou naar schatting bijna zes jaar duren.

Deze nieuw ontdekte elektrokatalytische materialen kunnen worden gesynthetiseerd met alleen relatief goedkope en overvloedige metaalelementen:mangaan (Mn), ijzer (Fe), nikkel (Ni), zink (Zn) en zilver (Ag). Uit experimenten is gebleken dat deze elektrokatalytische materialen onder bepaalde omstandigheden superieure elektrochemische eigenschappen vertonen dan ruthenium (Ru)-oxiden, de bestaande elektrokatalytische materialen met de hoogst bekende OER-activiteit.

In de aardkorst is Ag het minst voorkomende element onder de nieuw ontdekte elektrokatalytische materialen. De overvloed aan aardkorst is echter bijna 100 keer zo groot als die van Ru, wat aangeeft dat deze nieuwe elektrokatalytische materialen in voldoende grote hoeveelheden kunnen worden gesynthetiseerd om waterstofmassaproductie mogelijk te maken met behulp van waterelektrolyzers.

Deze resultaten toonden aan dat deze AI-techniek kan worden gebruikt om de grenzen van de menselijke intelligentie te verleggen en de zoektocht naar materialen met hogere prestaties dramatisch te versnellen. Met behulp van deze techniek is het team van plan zijn inspanningen te versnellen om nieuwe materialen te ontwikkelen (voornamelijk materialen voor waterelektrolyse-elektroden) om de efficiëntie te verbeteren van verschillende elektrochemische apparaten die bijdragen aan koolstofneutraliteit.

Dit project werd uitgevoerd door een NIMS-onderzoeksteam onder leiding van Ken Sakaushi (hoofdonderzoeker) en Ryo Tamura (teamleider). Dit werk werd uitgevoerd in combinatie met een ander project met de titel 'Hoge doorvoer zoeken naar zeewaterelektrolysekatalysatoren door geautomatiseerde experimenten te combineren met datawetenschap' onder het missiegebied van het JST-Mirai-programma, 'koolstofarme samenleving'.

Meer informatie: Ken Sakaushi et al., Mens-machine-samenwerking voor versnelde ontdekking van veelbelovende elektrokatalysatoren voor de evolutie van zuurstof met on-demand-elementen, ACS Central Science (2023). DOI:10.1021/acscentsci.3c01009

Aangeboden door het Nationaal Instituut voor Materiaalwetenschappen




Meer >

Meer >

Hoofdlijnen

  1. Wetenschappers maken een einde aan een mysterie van 50 jaar en onthullen hoe bacteriën zich kunnen verplaatsen
  2. Op de vleugels van Lepidoptera
  3. Profase: wat gebeurt er in dit stadium van mitose en meiose?
  4. Chemische reacties vereist voor het onderhoud van Homeostasis
  5. Hoe mensen, voedsel en water de verspreiding van grote herbivoren in Oost-Afrikaanse savannes beïnvloeden
  6. De aarde herbergt 20.000.000.000.000.000 mieren. En ze wegen meer dan wilde vogels en zoogdieren samen
  7. Mariene wetenschappers ontdekken kleptopredatie - een nieuwe manier om prooien te vangen
  8. Verschil tussen bacteriële en plantencelwand
  9. Nest van bedreigde reuzenweekschildpad gevonden in Cambodja

Wetenschap