Técnica de IA promove produção de hidrogênio verde usando elementos químicos mais abundantes
A equipe de pesquisa desenvolveu uma técnica de IA capaz de prever com precisão as composições de materiais com características desejáveis, alternando os modelos de previsão dependendo dos tamanhos dos conjuntos de dados disponíveis para análise. Crédito:Instituto Nacional de Ciência de Materiais Uma equipe de pesquisa do NIMS desenvolveu uma técnica de IA capaz de agilizar a identificação de materiais com características desejáveis. Usando esta técnica, a equipe conseguiu descobrir materiais de eletrodos de eletrolisadores de água de alto desempenho, livres de elementos do grupo da platina – substâncias anteriormente consideradas indispensáveis na eletrólise da água. Estes materiais podem ser utilizados para reduzir o custo da produção em larga escala de hidrogénio verde – uma fonte de energia da próxima geração. A pesquisa foi publicada na ACS Central Science .
A produção em larga escala de hidrogénio verde utilizando eletrolisadores de água é um meio viável de alcançar a neutralidade carbónica. Os eletrolisadores de água atualmente disponíveis dependem de elementos escassos e caros do grupo da platina como seus principais componentes eletrocatalisadores para acelerar a reação de evolução lenta do oxigênio (OER) - uma reação eletrolítica da água que pode produzir hidrogênio.
Para resolver esse problema, estão em andamento pesquisas para desenvolver eletrocatalisadores REA mais baratos e isentos de grupos de platina, compostos de elementos químicos relativamente abundantes, compatíveis com a produção de hidrogênio verde em larga escala. No entanto, descobriu-se que identificar as composições químicas ideais de tais eletrocatalisadores a partir de um número infinitamente grande de combinações possíveis era extremamente caro, demorado e trabalhoso.
Esta equipe de pesquisa do NIMS desenvolveu recentemente uma técnica de IA capaz de prever com precisão as composições de materiais com características desejáveis, alternando os modelos de previsão dependendo dos tamanhos dos conjuntos de dados disponíveis para análise. A estrutura da colaboração homem-máquina para descoberta acelerada de eletrocatalisadores REA. Crédito:ACS Central Science (2023). DOI:10.1021/acscentsci.3c01009 Usando essa IA, a equipe conseguiu identificar materiais eletrocatalíticos REA novos e eficazes a partir de cerca de 3.000 materiais candidatos em apenas um mês. Para referência, a avaliação manual e abrangente destes 3.000 materiais foi estimada em quase seis anos.
Esses materiais eletrocatalíticos recém-descobertos podem ser sintetizados usando apenas elementos metálicos relativamente baratos e abundantes:manganês (Mn), ferro (Fe), níquel (Ni), zinco (Zn) e prata (Ag). Experimentos descobriram que, sob certas condições, esses materiais eletrocatalíticos exibem propriedades eletroquímicas superiores aos óxidos de rutênio (Ru) - os materiais eletrocatalíticos existentes com a maior atividade REA conhecida.
Na crosta terrestre, Ag é o elemento menos abundante entre aqueles que constituem os materiais eletrocatalíticos recentemente descobertos. No entanto, a sua abundância crustal é quase 100 vezes maior que a do Ru, indicando que estes novos materiais eletrocatalíticos podem ser sintetizados em quantidades suficientemente grandes para permitir a produção em massa de hidrogénio utilizando eletrolisadores de água.
Estes resultados demonstraram que esta técnica de IA poderia ser usada para expandir os limites da inteligência humana e acelerar drasticamente a busca por materiais de maior desempenho. Usando a técnica, a equipe planeja acelerar seus esforços para desenvolver novos materiais – principalmente materiais de eletrodos para eletrolisadores de água – a fim de melhorar a eficiência de vários dispositivos eletroquímicos que contribuem para a neutralidade de carbono.
Este projeto foi realizado por uma equipe de pesquisa do NIMS liderada por Ken Sakaushi (pesquisador principal) e Ryo Tamura (líder da equipe). Este trabalho foi conduzido em conjunto com outro projeto intitulado "Pesquisa de alto rendimento para catalisadores de eletrólise de água do mar, combinando experimentos automatizados com ciência de dados" na área de missão do Programa JST-Mirai, "sociedade de baixo carbono".
Mais informações: Ken Sakaushi et al, Colaboração Homem-Máquina para Descoberta Acelerada de Eletrocatalisadores Promissores de Evolução de Oxigênio com Elementos Sob Demanda, ACS Central Science (2023). DOI:10.1021/acscentsci.3c01009 Fornecido pelo Instituto Nacional de Ciência de Materiais