La búsqueda de catalizadores de aleación de un solo átomo, asistida por la IA, arroja más de 200 candidatos prometedores

"La metodología desarrollada puede adaptarse fácilmente al diseño de nuevos materiales funcionales para diversas aplicaciones"

25.05.2021 - Rusia

Los investigadores de Skoltech y sus colegas de China y Alemania han presentado un nuevo algoritmo de búsqueda de catalizadores de aleación de átomo único (SAAC) que ha permitido encontrar más de 200 candidatos aún no comunicados. Su trabajo proporciona una receta para encontrar los mejores SAAC para diversas aplicaciones.

pixabay.com

Imagen simbólica

Los catalizadores de aleación de átomo único, o SAAC, en los que átomos únicos de metales raros y caros, como el platino, están dispersos en un soporte metálico inerte, son muy eficaces y selectivos en numerosas reacciones catalíticas, como las hidrogenaciones selectivas, las deshidrogenaciones, las reacciones de acoplamiento C-C y C-O, la reducción de NO y la oxidación de CO. Por eso se utilizan en reacciones de importancia industrial, como la hidrogenación de moléculas orgánicas para la transformación de productos químicos en productos de mayor valor.

"La eficacia de los SAAC en estas reacciones se atribuye a un efecto sinérgico de los componentes de la aleación que proporcionan una disociación eficaz de las moléculas de hidrógeno sin una unión excesiva de los átomos de hidrógeno. Sin embargo, no se conocen muchos SAAC que sean estables y al mismo tiempo catalíticamente activos, sobre todo porque su diseño hasta ahora se ha basado en gran medida en el ensayo y error. Incluso dentro de las aleaciones binarias hay varios miles de posibles SAAC con diferentes combinaciones de metales y cortes de superficie. Esto hace que los métodos de ensayo y error sean extremadamente ineficaces", afirma Sergey Levchenko, profesor adjunto del Centro de Ciencia y Tecnología Energética Skoltech.

Levchenko y sus colegas fueron capaces de identificar modelos de aprendizaje automático precisos y fiables basados en cálculos de primeros principios para la descripción de la energía de unión del hidrógeno, la energía de disociación y la energía de segregación del átomo invitado para los SAAC. Esto les llevó a realizar una predicción mucho más rápida (por un factor de mil) y fiable del rendimiento catalítico de miles de SAAC.

"El modelo evalúa correctamente el rendimiento de los SAAC probados experimentalmente. Al analizar más de cinco mil SAAC con nuestro modelo, hemos identificado más de doscientos nuevos SAAC con estabilidad y rendimiento mejorados en comparación con los existentes", escriben los autores.

Utilizaron la inteligencia artificial para extraer parámetros importantes (descriptores) de los datos computacionales que se correlacionan con el rendimiento catalítico de los SAAC y que, al mismo tiempo, son muy rápidos de calcular. Además de los modelos prácticos, los autores también desarrollaron una novedosa metodología de aprendizaje automático para identificar las combinaciones de propiedades físicas de los materiales que dan lugar a un rendimiento catalítico excepcional, extrayendo así el conocimiento físico y la comprensión de los datos.

"La metodología desarrollada puede adaptarse fácilmente al diseño de nuevos materiales funcionales para diversas aplicaciones, como la electrocatálisis (reacciones de reducción de oxígeno y evolución de hidrógeno), las pilas de combustible, el reformado de metano y la reacción de cambio de gas a agua", señala Levchenko.

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

Noticias más leídas

Más noticias de nuestros otros portales

Tan cerca que
incluso las moléculas
se vuelven rojas...