Combustibles sintéticos y más gracias al aprendizaje automático
Convertir más eficazmente el dióxido de carbono en valiosos productos químicos: un investigador del Empa quiere desarrollar mejores electrodos para la electrólisis del CO2
Convertir el dióxido de carbono en sustancias valiosas: Ese es el objetivo de la investigadora del Empa Carlota Bozal-Ginesta. En su proyecto de investigación, quiere combinar el aprendizaje automático y los experimentos de alto rendimiento para desarrollar mejores electrodos para la electrólisisdel CO2. Por ello, ha sido galardonada con la beca Empa para jóvenes científicos, de dos años de duración.
El dióxido de carbono acumulado en la atmósfera es el principal impulsor del cambio climático. Pero también tiene el potencial de ser una valiosa materia prima. Si filtramos elCO2 de la atmósfera o lo capturamos en su punto de origen, puede utilizarse para producir combustibles sintéticos y productos químicos útiles. Además del dióxido de carbono, sólo se necesita agua, electricidad de fuentes renovables y un electrolizador con catalizador.
Pero esto plantea un reto: Aunque los catalizadores actuales para este proceso son eficaces, no son lo bastante específicos. Como resultado, la electrólisis produce una mezcla de hasta 20 compuestos líquidos y gaseosos diferentes, que son difíciles y costosos de separar. El desarrollo de tecnologías adecuadas que proporcionen específicamente uno o sólo unos pocos productos es, por tanto, un importante objetivo de investigación, en Empa y en otros lugares.
Carlota Bozal-Ginesta, del laboratorio de Materiales para la Conversión de Energía de Empa, está aplicando un enfoque innovador para desarrollar mejores electrodos para la electrólisis deCO2. Su objetivo es caracterizar la influencia de la estructura del electrodo en la composición de los productos mediante aprendizaje automático. Para su proyecto acaba de recibir una beca Empa para jóvenes científicos de dos años de duración.
Cuestión de estructura
Los electrodos más utilizados en la electrólisis deCO2 son los de difusión de gas. Se trata de estructuras porosas recubiertas del material catalizador activo, normalmente cobre o plata. La forma, disposición y densidad de los poros pueden influir en los resultados de la catálisis. Sin embargo, aún no está claro cómo lo hacen exactamente.
Esto es lo que Bozal-Ginesta se ha propuesto cambiar. Para ello, está combinando dos cosas: el aprendizaje automático y el sistema de alto rendimiento para la investigación de la electrólisisdel CO2, creado en el laboratorio de Materiales para la Conversión de Energía. "Para utilizar el ML, se necesitan grandes conjuntos de datos", explica la investigadora. El sistema, que puede caracterizar de ocho a diez candidatos a catalizador simultáneamente, es la clave para ello. Bozal-Ginesta planea combinar los datos resultantes con diversos métodos de microscopía y espectroscopía.
El aprendizaje automático se utilizará de tres formas distintas. "En primer lugar, quiero entender la correlación entre la estructura del electrodo y su rendimiento electroquímico. En segundo lugar, quiero desarrollar herramientas basadas en ML que puedan identificar características estructurales útiles en imágenes de microscopía de los electrodos. Y, por último, quiero utilizar estos datos para derivar nuevas estructuras de electrodos realistas que puedan tener propiedades prometedoras", explica el investigador.
Bozal-Ginesta tiene especial cuidado en utilizar la tecnología ML de forma responsable. "El aprendizaje automático y la inteligencia artificial se utilizan a menudo con un enfoque de 'fuerza bruta', con una selección limitada de los datos y poca consideración de los conocimientos existentes", explica. Si el conjunto de datos está incompleto o los modelos son inexactos, los resultados serán engañosos. "Sigue siendo tarea nuestra, de los científicos, formular hipótesis y establecer prioridades, es decir, proponer y validar qué información importa más en la modelización y predicción del rendimiento. El ML es una poderosa herramienta para poner a prueba nuestras hipótesis. Pero sólo nosotros podemos decidir qué es lo realmente importante", está convencido Bozal-Ginesta.
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.
Más noticias del departamento ciencias
