p Em uma descoberta que pode ajudar a pavimentar o caminho para combustíveis mais limpos e uma indústria química mais sustentável, pesquisadores da Universidade de Michigan usaram o aprendizado de máquina para prever como as composições de ligas metálicas e óxidos metálicos afetam suas estruturas eletrônicas. p A estrutura eletrônica é a chave para entender como o material funcionará como mediador, ou catalisador, de reações químicas.

p "Estamos aprendendo a identificar as impressões digitais dos materiais e conectá-las com o desempenho do material, "disse Bryan Goldsmith, o Professor Assistente de Engenharia Química da Dow Corning.

p Uma melhor capacidade de prever quais composições de metal e óxido de metal são melhores para orientar quais reações podem melhorar os processos químicos em grande escala, como a produção de hidrogênio, produção de outros combustíveis e fertilizantes, e fabricação de produtos químicos domésticos, como sabão em pó.

p “O objetivo da nossa pesquisa é desenvolver modelos preditivos que irão conectar a geometria de um catalisador ao seu desempenho. Tais modelos são centrais para o projeto de novos catalisadores para transformações químicas críticas, "disse Suljo Linic, o Professor Colegiado Martin Lewis Perl de Engenharia Química.

p Uma das principais abordagens para prever como um material se comportará como um mediador potencial de uma reação química é analisar sua estrutura eletrônica, especificamente a densidade de estados. Isso descreve quantos estados quânticos estão disponíveis para os elétrons nas moléculas reagentes e as energias desses estados.

p Usualmente, a densidade eletrônica de estados é descrita com estatísticas resumidas - uma energia média ou uma inclinação que revela se mais estados eletrônicos estão acima ou abaixo da média, e assim por diante.

p "Isso está ok, mas essas são apenas estatísticas simples. Você pode perder algo. Com a análise de componentes principais, você apenas pega tudo e descobre o que é importante. Você não está apenas jogando informações fora, "Goldsmith disse.

p A análise de componentes principais é um método clássico de aprendizado de máquina, ensinado em cursos introdutórios de ciência de dados. Eles usaram a densidade eletrônica de estados como entrada para o modelo, como a densidade de estados é um bom preditor de como a superfície de um catalisador irá adsorver, ou vínculo com, átomos e moléculas que funcionam como reagentes. O modelo relaciona a densidade de estados com a composição do material.

p Ao contrário do aprendizado de máquina convencional, que é essencialmente uma caixa preta que insere dados e oferece previsões em troca, a equipe fez um algoritmo que eles puderam entender.

p "Podemos ver sistematicamente o que está mudando na densidade dos estados e correlacionar isso com as propriedades geométricas do material, "disse Jacques Esterhuizen, estudante de doutorado em engenharia química e primeiro autor do artigo em Catálise Química .

p Essas informações ajudam os engenheiros químicos a projetar ligas metálicas para obter a densidade de estados que desejam para mediar uma reação química. O modelo refletiu com precisão as correlações já observadas entre a composição de um material e sua densidade de estados, bem como descobrir novas tendências potenciais a serem exploradas.

p O modelo simplifica a densidade de estados em duas partes, ou componentes principais. Uma peça cobre essencialmente como os átomos do metal se encaixam. Em uma liga de metal em camadas, isso inclui se o metal subterrâneo está separando os átomos da superfície ou os comprimindo, e o número de elétrons que o metal subterrâneo contribui para a ligação. A outra parte é apenas o número de elétrons que os átomos da superfície do metal podem contribuir para a ligação. Destes dois componentes principais, eles podem reconstruir a densidade de estados no material.

p Este conceito também funciona para a reatividade de óxidos metálicos. Nesse caso, a preocupação é a capacidade do oxigênio de interagir com átomos e moléculas, que está relacionado a quão estável é o oxigênio da superfície. Oxigênios de superfície estável são menos propensos a reagir, enquanto os oxigênios de superfície instáveis ​​são mais reativos. O modelo capturou com precisão a estabilidade do oxigênio em óxidos metálicos e perovskitas, uma classe de óxidos de metal.