A inteligência artificial e a infraestrutura laboratorial automatizada estão acelerando enormemente o desenvolvimento de novos catalisadores químicos. Com essas ferramentas, os pesquisadores da ETH Zurich estão desenvolvendo catalisadores para sintetizar de forma eficiente e econômica a fonte de energia metanol a partir do CO₂ .



Os catalisadores são pequenos ajudantes trabalhadores da química. Eles aceleram as reações e reduzem a energia necessária para que uma reação ocorra. Quanto mais específico e eficaz for um catalisador, mais eficazmente serão suprimidas quaisquer reações secundárias indesejáveis.

Na natureza, as enzimas têm a função de impulsionar especificamente os processos metabólicos necessários entre as quase infinitas possibilidades de reação da sopa química dentro das células. Em fábricas de produtos químicos, catalisadores metálicos são geralmente empregados para aumentar o rendimento do produto.

Os pesquisadores que trabalham na plataforma tecnológica Swiss Cat+ da ETH Zurich, liderados por Paco Laveille, desenvolveram agora um método totalmente digitalizado e automatizado que lhes permite encontrar novos e melhores catalisadores metálicos muito mais rápido do que antes. Seu processo consiste em uma combinação de inteligência artificial (IA) para calcular composições catalíticas promissoras e um laboratório automatizado de síntese e teste.

Com esta infraestrutura, a equipe levou menos de seis semanas para desenvolver com sucesso cerca de 150 composições de catalisadores para a produção de metanol a partir de CO₂ . Os melhores catalisadores são econômicos e apresentam altas taxas de conversão com baixa proporção de subprodutos. “Este novo método economiza muito tempo”, diz Laveille. "Com uma abordagem convencional, nossos experimentos levariam anos."

Os pesquisadores publicaram dois artigos sobre seu método. O primeiro foi publicado no ano passado na CHIMIA e o segundo esta semana em Chem Catalysis .

O metanol é considerado um dos elementos-chave para uma economia sustentável de hidrocarbonetos. Parente químico próximo do etanol (ou seja, álcool potável), a substância pode ser utilizada tanto como combustível quanto como matéria-prima para a produção de compostos orgânicos, como medicamentos, plásticos ou tintas.

Por ser líquido, o metanol é muito mais fácil de transportar e armazenar do que o hidrogênio gasoso e o metano, duas outras fontes de energia. Além disso, a utilização de metanol na infra-estrutura de abastecimento existente e nos motores da actual tecnologia a gasolina requer apenas pequenas modificações.

Restringindo as possibilidades através de uma pré-seleção inteligente

Na busca por catalisadores ideais para a produção de metanol, há um grande problema:teoricamente, os átomos podem ser combinados de um número quase infinito de maneiras para formar um catalisador. "O espaço químico em que procuramos catalisadores compreende cerca de 10 ²⁰ possibilidades – isso é cem bilhões de bilhões. Portanto, estamos literalmente procurando uma agulha no palheiro químico”, explica Christophe Copéret, professor do Laboratório de Química Inorgânica da ETH Zurique e co-iniciador do projeto Swiss Cat+.

Para restringir o enorme leque de possibilidades, os investigadores fizeram uma pré-seleção com base na experiência e nas necessidades económicas. Um catalisador que possa ser usado em larga escala precisa ser não apenas eficaz, mas também barato. Por essa razão, os principais ingredientes activos do catalisador foram limitados a três metais comparativamente baratos:ferro, cobre e cobalto.

Além desses metais principais, os pesquisadores consideraram três elementos que são tradicionalmente adicionados aos catalisadores em pequenas quantidades para fins de dopagem, além do potássio, que também está contido em muitos catalisadores. Quanto aos materiais transportadores, os pesquisadores limitaram-se a quatro óxidos metálicos típicos. Multiplicado pelas diferentes proporções de mistura, ainda resultou em 20 milhões de combinações possíveis.

Executando etapas iterativas com estatísticas apoiadas por IA

Nesse ponto, os pesquisadores colocaram em ação um algoritmo de IA que usa o que é conhecido como otimização bayesiana para encontrar as melhores soluções possíveis. Esta forma especial de estatísticas é particularmente adequada quando apenas uma pequena quantidade de dados está disponível. Ao contrário da estatística clássica, a probabilidade não deriva da frequência relativa calculada a partir de numerosos experimentos. Em vez disso, o cálculo leva em consideração a probabilidade que pode ser esperada com base no estado atual do conhecimento.

Na rodada inicial, o algoritmo selecionou aleatoriamente 24 composições de catalisadores que atendiam às especificações elaboradas com o objetivo de limitar a complexidade. Esses catalisadores foram produzidos diretamente usando a infraestrutura laboratorial automatizada Swiss Cat+ e depois testados.

Entregar rapidamente muitos resultados altamente confiáveis

Os resultados desta seleção inicial serviram aos pesquisadores como ponto de partida para uma previsão de IA; as composições catalíticas assim previstas foram, por sua vez, sintetizadas e testadas automaticamente. Para este primeiro teste de demonstração, os cientistas fizeram com que o seu sistema integrado completasse um total de seis rondas.

O fato de os resultados terem melhorado entre as rodadas não de forma linear, mas sim aos trancos e barrancos, foi inteiramente intencional:o algoritmo não apenas otimiza os resultados das rodadas anteriores, mas também inclui um componente exploratório que alimenta composições completamente novas em cada rodada. rodada e aprende sobre o espaço químico. Foi assim que os pesquisadores evitaram que os cálculos ficassem presos em um beco sem saída de otimização entre todas as possibilidades.

Gerando dados além da petroquímica

Neste primeiro projeto, porém, a principal preocupação dos investigadores não era encontrar o melhor catalisador possível para a síntese de metanol. “Atualmente, o conhecimento sobre catalisadores para a produção de combustíveis baseia-se predominantemente na experiência da indústria petrolífera”, diz Copéret. “Quando se trata de reações para uso na indústria de energia sustentável, ainda faltam dados confiáveis”.

No entanto, os algoritmos de IA e a inteligência de investigação humana precisam desses dados antes de poderem pesquisar de uma forma mais direcionada no vasto espaço de possibilidades químicas. “E esse é precisamente o tipo de dados reproduzíveis e de alta qualidade que nosso laboratório de robôs assistido por IA oferece agora. É certo que a pesquisa de catalisadores avançará muito”, acrescenta Laveille.

Mais informações: Paco Laveille et al, Swiss CAT+, uma infraestrutura baseada em dados para descoberta e otimização acelerada de catalisadores, CHIMIA (2023). DOI:10.2533/chimia.2023.154
Adrian Ramirez et al, Exploração acelerada de CO_{2 heterogêneo} catalisadores de hidrogenação por experimentação automatizada e de alto rendimento otimizada bayesiana, Chem Catalysis (2024). DOI:10.1016/j.checat.2023.100888

Fornecido por ETH Zurique