• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Química
    AI procurou catalisadores de liga de átomo único, encontrou 200 candidatos promissores
    p Fig. 1:Correlação entre descritores simples e propriedades de destino.

    p Os pesquisadores da Skoltech e seus colegas da China e da Alemanha apresentaram um novo algoritmo de busca para catalisadores de liga de átomo único (SAACs) que encontrou mais de 200 candidatos ainda não relatados. Seu trabalho fornece uma receita para encontrar os melhores SAACs para várias aplicações. O artigo foi publicado na revista Nature Communications . p Catalisadores de liga de átomo único, ou SAACs, onde átomos únicos de metais raros e caros, como platina, são dispersos em um hospedeiro de metal inerte, são altamente eficientes e seletivos em inúmeras reações catalíticas, incluindo hidrogenações seletivas, desidrogenações, Reações de acoplamento C − C e C − O, SEM redução, e oxidação de CO. É por isso que são usados ​​em reações industrialmente importantes, como a hidrogenação de moléculas orgânicas para transformar produtos químicos em produtos de maior valor.

    p "A eficiência dos SAACs nessas reações é atribuída a um efeito sinérgico dos componentes da liga que fornecem dissociação eficiente da molécula de hidrogênio sem ligação excessiva de átomos de hidrogênio. No entanto, não há tantos SAACs conhecidos que sejam estáveis ​​e, ao mesmo tempo, cataliticamente ativos, principalmente porque seu projeto até agora se baseou amplamente em tentativa e erro. Mesmo dentro das ligas binárias, existem vários milhares de SAAC possíveis com diferentes combinações de metal e cortes de superfície. Isso torna as abordagens de tentativa e erro extremamente ineficientes, "Sergey Levchenko, Professor assistente no Centro Skoltech para Ciência e Tecnologia de Energia, diz.

    p Levchenko e seus colegas foram capazes de identificar modelos de aprendizado de máquina precisos e confiáveis ​​com base em cálculos de primeiros princípios para a descrição da energia de ligação do hidrogênio, energia de dissociação, e energia de segregação de átomo convidado para SAACs. Isso os levou a fazer uma previsão muito mais rápida (por um fator de mil), mas confiável, do desempenho catalítico de milhares de SAACs.

    p "O modelo avalia corretamente o desempenho de SAACs testados experimentalmente. Ao escanear mais de cinco mil SAACs com nosso modelo, identificamos mais de duzentos novos SAACs com estabilidade e desempenho aprimorados em comparação com os existentes, "escrevem os autores.

    p Eles usaram inteligência artificial para extrair parâmetros (descritores) importantes de dados computacionais que se correlacionam com o desempenho catalítico dos SAACs e, ao mesmo tempo, são muito rápidos de calcular. Além de modelos práticos, os autores também desenvolveram uma nova metodologia de aprendizado de máquina para identificar combinações de propriedades físicas dos materiais que resultam em excelente desempenho catalítico, extraindo assim conhecimento físico e compreensão dos dados.

    p "A metodologia desenvolvida pode ser facilmente adaptada para projetar novos materiais funcionais para várias aplicações, incluindo eletrocatálise (redução de oxigênio e reações de evolução de hidrogênio), células de combustível, reforma do metano, e reação de deslocamento água-gás, "Levchenko observa.


    © Ciência https://pt.scienceaq.com