Un combustible y un producto químico sostenibles del laboratorio robótico
Una nueva infraestructura de investigación totalmente automatizada con IA acelera el desarrollo de catalizadores químicos
La inteligencia artificial y las infraestructuras automatizadas de laboratorio están acelerando enormemente el desarrollo de nuevos catalizadores químicos. Con estas herramientas, los investigadores de la ETH de Zúrich están desarrollando catalizadores para sintetizar de forma eficiente y rentable la fuente de energía metanol a partir deCO2.
Los catalizadores son los pequeños ayudantes de la química. Aceleran las reacciones y reducen la energía necesaria para que se produzcan. Cuanto más específico y eficaz es un catalizador, más eficazmente se suprimen las reacciones secundarias no deseadas. En la naturaleza, las enzimas se encargan de impulsar específicamente los procesos metabólicos necesarios entre las casi infinitas posibilidades de reacción de la sopa química del interior de las células. En las plantas químicas se suelen emplear catalizadores metálicos para aumentar el rendimiento de los productos.
Los investigadores de la plataforma tecnológica suiza Cat+ de la ETH de Zúrich, dirigidos por Paco Laveille, han desarrollado un método totalmente digitalizado y automatizado que les permite encontrar nuevos y mejores catalizadores metálicos mucho más rápido que antes. Su proceso consiste en una combinación de inteligencia artificial (IA) para calcular composiciones de catalizadores prometedoras y un laboratorio automatizado de síntesis y pruebas.
Con esta infraestructura, el equipo tardó menos de seis semanas en desarrollar con éxito unas 150 composiciones de catalizadores para producir metanol a partir deCO2. Los mejores catalizadores son rentables y presentan altos índices de conversión con una baja proporción de subproductos. "Este nuevo método ahorra muchísimo tiempo", afirma Laveille. "Con un método convencional, nuestros experimentos habrían tardado años".
El metanol se considera uno de los elementos clave para una economía sostenible de hidrocarburos. Pariente químico cercano del etanol (es decir, el alcohol de beber), esta sustancia puede utilizarse como combustible y como materia prima para la producción de compuestos orgánicos como medicamentos, plásticos o pinturas. Al ser líquido, el metanol es mucho más fácil de transportar y almacenar que el hidrógeno y el metano gaseosos, otras dos fuentes de energía. Además, el uso de metanol en la infraestructura de suministro y los motores de la tecnología de gasolina actual sólo requiere pequeñas modificaciones.
Reducir las posibilidades mediante una preselección inteligente
En la búsqueda de catalizadores óptimos para la producción de metanol, hay un gran problema: teóricamente, los átomos pueden combinarse de un número casi infinito de formas para formar un catalizador. "El espacio químico en el que buscamos catalizadores comprende unas 1020 posibilidades, es decir, cien billones de billones. Así que estamos buscando literalmente una aguja en el pajar de la química", explica Christophe Copéret, profesor del Laboratorio de Química Inorgánica de la ETH de Zúrich y coiniciador del proyecto suizo Cat+.
Para reducir el enorme abanico de posibilidades, los investigadores hicieron una preselección basada en la experiencia y los requisitos económicos. Un catalizador que pueda utilizarse a gran escala no sólo tiene que ser eficaz, sino también barato. Por eso, los principales ingredientes activos del catalizador se limitaron a tres metales comparativamente baratos: hierro, cobre y cobalto.
Además de estos metales principales, los investigadores tuvieron en cuenta tres elementos que tradicionalmente se añaden a los catalizadores en pequeñas cantidades con fines de dopaje, así como el potasio, que también contienen muchos catalizadores. En cuanto a los materiales portadores, los investigadores se limitaron a cuatro óxidos metálicos típicos. Multiplicado por las distintas proporciones de mezcla, se obtuvieron 20 millones de combinaciones posibles.
Pasos iterativos con estadísticas asistidas por IA
En este punto, los investigadores pusieron en juego un algoritmo de IA que utiliza lo que se conoce como optimización bayesiana para encontrar las mejores soluciones posibles. Esta forma especial de estadística es especialmente adecuada cuando sólo se dispone de una pequeña cantidad de datos. A diferencia de la estadística clásica, la probabilidad no deriva de la frecuencia relativa calculada a partir de numerosos experimentos. En su lugar, el cálculo tiene en cuenta la probabilidad que cabe esperar basándose en el estado actual de los conocimientos.
En la ronda inicial, el algoritmo seleccionó al azar 24 composiciones de catalizadores que cumplían las especificaciones establecidas para limitar la complejidad. Estos catalizadores se produjeron directamente utilizando la infraestructura del laboratorio automatizado Swiss Cat+ y, a continuación, se sometieron a prueba.
Obtención rápida de resultados muy fiables
Los resultados de esta primera selección sirvieron a los investigadores como punto de partida para una predicción por IA; las composiciones de catalizadores así predichas se sintetizaron y probaron a su vez automáticamente. Para esta primera prueba de demostración, los científicos hicieron que su sistema integrado completara un total de seis rondas de este tipo.
El hecho de que los resultados mejoraran entre rondas no de forma lineal, sino a pasos agigantados, fue totalmente intencionado: el algoritmo no sólo optimiza los resultados de rondas anteriores, sino que también incluye un componente exploratorio que introduce composiciones completamente nuevas en cada ronda y aprende sobre el espacio químico. Así es como los investigadores evitaron que los cálculos se quedaran en un callejón sin salida de optimización entre todas las posibilidades.
Generar datos más allá de la petroquímica
En este primer proyecto, sin embargo, la principal preocupación de los investigadores no era dar con el mejor catalizador posible para la síntesis de metanol. "En la actualidad, los conocimientos sobre catalizadores para la producción de combustible se basan principalmente en la experiencia de la industria petrolera", explica Copéret. "Cuando se trata de reacciones para su uso en la industria de la energía sostenible, todavía se carece en gran medida de datos fiables". Sin embargo, los algoritmos de IA y la inteligencia humana de investigación necesitan esos datos antes de poder buscar de forma más específica en el vasto espacio de posibilidades químicas. "Y ése es precisamente el tipo de datos reproducibles y de alta calidad que ahora ofrece nuestro laboratorio robotizado asistido por IA. Sin duda hará avanzar mucho la investigación catalítica", añade Laveille.
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
Adrian Ramirez, Erwin Lam, Daniel Pacheco Gutierrez, Yuhui Hou, Hermann Tribukait, Loïc M. Roch, Christophe Copéret, Paco Laveille; "Accelerated exploration of heterogeneous CO2 hydrogenation catalysts by Bayesian-optimized high-throughput and automated experimentation"; Chem Catalysis, Volume 4
Paco Laveille, Pascal Miéville, Sourav Chatterjee, Elisa Clerc, Jean-Charles Cousty, Florian De Nanteuil, Erwin Lam, Edy Mariano, Adrian Ramirez, Urielle Randrianarisoa, Keyan Villat, Christophe Copéret, Nicolai Cramer; "Swiss CAT+, a Data-driven Infrastructure for Accelerated Catalysts Discovery and Optimization"; CHIMIA, Volume 77, 2023-3-29
Más noticias del departamento ciencias
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.
