Pesquisadores do grupo López do ICIQ apresentam um novo método que permite o projeto racional de catalisadores heterogêneos. Depois de aplicar a análise de componente principal e regressão (PCA) às energias de adsorção de 71 espécies C1 e C2 diferentes em 12 superfícies de metal compactadas (transição), os cientistas elucidaram pela primeira vez um modelo interpretável em catálise heterogênea.

O novo método da equipe, publicado em Nature Communications , facilitará a descoberta de catalisadores heterogêneos capazes de transformar a fração não comestível da biomassa em produtos químicos valiosos. O procedimento reduz o número de cálculos por um fator de 20, enquanto mantém as barras de erro comparáveis ​​à teoria do funcional da densidade (DFT).

O mais simples possível, mas não mais simples

As moléculas de biomassa são grandes. Com estruturas moleculares complexas, há muitos locais de reação a serem considerados quando a biomassa interage com um catalisador. Uma molécula relativamente pequena, como um C6, poderia apresentar uma rede de reação de cerca de 500, 000 reações - tornando muito tempo e exigente recursos para estudar usando os modelos atuais. Em contraste, estudando as espécies C1 e C2, os cientistas agora podem extrapolar o comportamento para moléculas maiores comumente encontradas na biomassa.

Os pesquisadores do grupo López aplicaram o PCA, uma técnica de aprendizado de máquina simples e não supervisionada, para reduzir a dimensionalidade do problema. Depois de analisar as energias de formação de 71 adsorvatos em 12 superfícies de metal compactadas, os pesquisadores obtiveram uma expressão linear de dois termos que permite o levantamento rápido e preciso de redes inteiras de reação em superfícies metálicas enquanto reduz drasticamente o número de cálculos DFT necessários.

A simplicidade do modelo resultante permitiu aos pesquisadores do ICIQ ir um passo além do estado da arte e interpretar os resultados - uma inovação em catálise heterogênea.

De preto para verde

Interpretar os resultados do rendimento das ferramentas de aprendizado de máquina pode ser um desafio. Felizmente, os cientistas do ICIQ conseguiram abrir a caixa e interpretar em termos físicos os parâmetros da equação. "Se você sabe o que cada um dos termos da equação significa, você pode ir mais longe e expandir seu modelo, "explica Rodrigo García-Muelas, primeiro autor do artigo. "O primeiro termo da equação descreve a covalência da ligação, enquanto o segundo está relacionado à ionicidade da ligação." A sequência matemática usada para encontrar os modelos está publicamente disponível para outros pesquisadores para reproduzir os resultados.

O novo modelo se aplica a uma ampla gama de cenários e permite a previsão de como um sistema irá reagir e o que ele irá render apenas conhecendo as características dos títulos. As abordagens de aprendizado de máquina aplicadas à catálise estão expandindo nossa compreensão do funcionamento interno das moléculas, aproximando a transformação da biomassa em biocombustíveis, proporcionando assim uma alternativa mais verde aos combustíveis fósseis.