Los ingenieros desarrollan una tecnología general de alta velocidad para modelizar y comprender las reacciones catalíticas
Los investigadores llevan un siglo estudiando la producción industrial de amoníaco. Pero se han esforzado por encontrar formas de mejorar este proceso de bajo rendimiento y escasa eficacia.
El nitrógeno atmosférico, con la ayuda de un catalizador de hierro, reacciona con el hidrógeno para producir amoníaco. Esa reacción produce mucho amoníaco: la producción mundial es de 160 millones de toneladas al año. La mayor parte se utiliza en la agricultura, sobre todo como fertilizante nitrogenado. También se utiliza en muchas industrias, incluida la refrigeración para la producción de alimentos y bebidas. Todos lo conocemos como limpiador doméstico.
Un equipo de investigación dirigido por Qi An, profesor asociado de Ciencia e Ingeniería de Materiales de la Universidad Estatal de Iowa, ha desarrollado una tecnología de inteligencia artificial que podría ayudar a los investigadores a comprender mejor las reacciones químicas que intervienen en la producción de amoníaco y otras reacciones químicas complejas.
"Nuestro marco HDRL-FP desarrollado tiene el potencial de contribuir significativamente a la optimización de este proceso, reduciendo potencialmente los costes de producción y la emisión de CO₂, y facilitando el establecimiento de plantas más pequeñas y extendidas", escribieron los investigadores en un artículo publicado recientemente en línea por la revista Nature Communications. "Por lo tanto, el marco pone de relieve su eficacia y potencial para predecir rutas de reacciones químicas complejas".
HDRL-FP es el acrónimo de High-Throughput Deep Reinforcement Learning with First Principles (aprendizaje profundo por refuerzo de alto rendimiento con primeros principios). An y sus colaboradores y coautores -Tian Lan y Huan Wang de Salesforce AI Research en California- dicen que la tecnología está llena de potencial.
"Explorar los mecanismos de reacción catalítica es crucial para comprender los procesos químicos, optimizar las condiciones de reacción y desarrollar catalizadores más eficaces", escribieron.
De recompensas y átomos
Según An, la tecnología de software de los investigadores tiene dos claves: un tipo de aprendizaje automático llamado aprendizaje por refuerzo y la conexión del proceso de simulación con las posiciones de los átomos implicados.
Según An, el aprendizaje por refuerzo es como adiestrar a un perro mediante recompensas. En el aprendizaje por refuerzo, los ordenadores aprenden de sus acciones mientras buscan las recompensas adecuadas. En este caso, las recompensas consisten en encontrar la ruta de reacción mejor, más eficiente y de menor coste.
El método, cuando se utiliza con unidades de procesamiento gráfico y estrategias de alto rendimiento, puede identificar rápida y automáticamente la vía de reacción óptima entre miles de posibles vías, explica An. De este modo se identifican con eficacia mecanismos de reacción viables en medio de los datos extremadamente ruidosos de las reacciones químicas reales.
Los investigadores también construyeron la tecnología para que fuera útil en estudios generales de reacciones catalíticas. Los estudios comienzan con las posiciones de los átomos trazadas en un paisaje energético. Con eso basta: los investigadores no tienen que empezar con una representación más específica del entorno de la reacción, incluidos los estados, acciones o recompensas de una reacción concreta.
An y sus colaboradores llevan trabajando en el proyecto unos dos años. Comenzó cuando An se trasladó a la Universidad Estatal de Iowa y ha contado con el apoyo de los fondos iniciales de su universidad.
Dijo que los cálculos del sistema para la reacción que produce amoníaco se consideran una demostración de prueba de concepto.
"Esto nos permite averiguar el mecanismo de reacción", dijo An. "Somos capaces de ver pasos de reacción importantes en la síntesis del amoníaco".
El éxito de los investigadores al asomarse al interior de esa reacción "permite la investigación de reacciones químicas catalíticas complejas de forma automática", escribieron, "ofreciendo un enfoque prometedor para futuras investigaciones y descubrimientos."
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.
