Desbloquear los secretos de la unión química con el aprendizaje de las máquinas
"Todo se reduce a cómo los catalizadores se unen a las moléculas"
Un nuevo enfoque de aprendizaje de la máquina ofrece importantes conocimientos sobre la catálisis, un proceso fundamental que permite reducir la emisión de gases de escape tóxicos o producir materiales esenciales como el tejido.
Imagen del enfoque de Bayeschem para desentrañar la naturaleza orbital de la unión química en las superficies metálicas.
Virginia Tech
En un informe publicado en Nature Communications, Hongliang Xin, profesor asociado de ingeniería química en la Universidad Tecnológica de Virginia, y su equipo de investigadores desarrollaron un modelo bayesiano de aprendizaje de la quimisorción, o Bayeschem para abreviar, con el objetivo de utilizar la inteligencia artificial para desbloquear la naturaleza de la unión química en las superficies de los catalizadores.
"Todo se reduce a cómo los catalizadores se unen a las moléculas", dijo Xin. "La interacción tiene que ser lo suficientemente fuerte como para romper algunos enlaces químicos a temperaturas razonablemente bajas, pero no demasiado fuerte como para que los catalizadores se envenenen por los intermediarios de la reacción. Esta regla se conoce como el principio de Sabatier en la catálisis".
Entender cómo interactúan los catalizadores con los diferentes intermediarios y determinar cómo controlar sus fuerzas de enlace para que estén dentro de esa "zona de ricitos de oro" es la clave para diseñar procesos catalíticos eficientes, dijo Xin. La investigación proporciona una herramienta para ese propósito.
Bayeschem trabaja utilizando el aprendizaje bayesiano, un algoritmo específico de aprendizaje de máquinas para inferir modelos a partir de datos. "Supongamos que tienes un modelo de dominio basado en leyes físicas bien establecidas, y quieres usarlo para hacer predicciones o aprender algo nuevo sobre el mundo", explicó Siwen Wang, un antiguo estudiante de doctorado en ingeniería química. "El enfoque bayesiano es aprender la distribución de los parámetros del modelo dado nuestro conocimiento previo y los datos observados, a menudo escasos, mientras que proporciona una cuantificación de la incertidumbre de las predicciones del modelo".
La teoría de la banda d de la quimisorción utilizada en Bayeschem es una teoría que describe la unión química en superficies sólidas que involucra electrones d que normalmente tienen forma de trébol de cuatro hojas. El modelo explica cómo los orbitales d de los átomos catalizadores se superponen y son atraídos por orbitales de valencia adsorbida que tienen una forma esférica o similar a una mancuerna. Se ha considerado el modelo estándar en la catálisis heterogénea desde su desarrollo por Hammer y Nørskov en la década de 1990, y aunque ha tenido éxito en la explicación de las tendencias de unión de muchos sistemas, Xin dijo que el modelo falla a veces debido a la complejidad intrínseca de las interacciones electrónicas.
Según Xin, Bayeschem lleva la teoría de la banda d a un nuevo nivel para cuantificar esas fuerzas de interacción y posiblemente adaptar algunas perillas, como la estructura y la composición, para diseñar mejores materiales. El enfoque hace avanzar la teoría de la banda d de la quimisorción ampliando sus capacidades de predicción e interpretación de las propiedades de adsorción, ambas cruciales para el descubrimiento de los catalizadores. Sin embargo, en comparación con los modelos de aprendizaje de máquinas de caja negra que se entrenan con grandes cantidades de datos, la precisión de la predicción de Bayeschem todavía se puede mejorar, dijo Hemanth Pillai, un estudiante de doctorado en ingeniería química del grupo de Xin que contribuyó igualmente al estudio.
"La oportunidad de crear modelos altamente precisos e interpretables que se basan en algoritmos de aprendizaje profundo y en la teoría de la quimisorción es muy gratificante para lograr los objetivos de la inteligencia artificial en la catálisis", dijo Xin.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
