Nachhaltige Chemie auf der Quantenebene

Neue Durchbrüche in der computergestützten Quantenchemie versprechen die Entdeckung von Katalysatoren, die "genau richtig" und tausendmal schneller als Standardansätze sind

10.08.2020 - USA

Die Entwicklung von Katalysatoren für eine nachhaltige Treibstoff- und Chemieproduktion erfordert eine Art Goldlöckcheneffekt - einige Katalysatoren sind zu unwirksam, während andere zu unwirtschaftlich sind. Das Testen von Katalysatoren nimmt auch viel Zeit und Ressourcen in Anspruch. Neue Durchbrüche in der computergestützten Quantenchemie versprechen jedoch die Entdeckung von Katalysatoren, die "genau richtig" und tausendmal schneller als Standardansätze sind.

pixabay.com

Symbolbild

Der außerordentliche Professor der Universität von Pittsburgh, John A. Keith, und seine Laborgruppe an der Swanson School of Engineering verwenden neue quantenchemische Rechenverfahren, um hypothetische Elektrokatalysatoren, die "zu langsam" oder "zu teuer" sind, viel gründlicher und schneller zu kategorisieren, als noch vor einigen Jahren für möglich gehalten wurde. Keith ist auch Richard King Mellon Faculty Fellow für Energie in der Abteilung für Chemie- und Erdölingenieurwesen der Swanson School.

Die Forschungskompilation der Keith Group, "Computational Quantum Chemical Explorations of Chemical/Material Space for Efficient Electrocatalysts", wurde diesen Monat in Interface, einer vierteljährlich erscheinenden Zeitschrift der Electrochemical Society, vorgestellt.

"Jahrzehntelang war die Katalysatorentwicklung das Ergebnis von Versuch und Irrtum - jahrelange Entwicklung und Erprobung im Labor, wodurch wir ein grundlegendes Verständnis dafür erhielten, wie katalytische Prozesse funktionieren. Heute ermöglicht uns die rechnergestützte Modellierung neue Einblicke in diese Reaktionen auf molekularer Ebene", erklärte Keith. "Am aufregendsten ist jedoch die rechnergestützte Quantenchemie, die die Strukturen und Dynamik vieler Atome gleichzeitig simulieren kann. In Verbindung mit dem wachsenden Bereich des maschinellen Lernens können wir katalytische Modelle schneller und präziser vorhersagen und simulieren".

In dem Artikel erläuterte Keith einen dreigleisigen Ansatz für die Vorhersage neuartiger Elektrokatalysatoren: 1) Analyse hypothetischer Reaktionswege; 2) Vorhersage idealer elektrochemischer Umgebungen; und 3) Hochdurchsatz-Screening auf der Grundlage der Funktionstheorie der alchemistischen Störungsdichte und des maschinellen Lernens. Der Artikel erklärt, wie diese Ansätze die Art und Weise verändern können, wie Ingenieure und Wissenschaftler Elektrokatalysatoren entwickeln, die von der Gesellschaft benötigt werden.

"Diese aufkommenden Rechenmethoden können es Forschern ermöglichen, mehr als tausendmal effektiver als mit Standardprotokollen neue Systeme zu entdecken", sagte Keith. "Jahrhundertelang stützten sich die Chemie und die Materialwissenschaft auf traditionelle edisonianische Modelle der Laborforschung, die weit mehr Misserfolge als Erfolge und damit eine Menge verschwendeter Zeit und Ressourcen mit sich bringen. Die traditionelle rechnergestützte Quantenchemie hat diese Bemühungen beschleunigt, aber die neuesten Methoden überfordern sie. Dies hilft den Forschern, die unentdeckten Katalysatoren besser zu identifizieren, die die Gesellschaft für eine nachhaltige Zukunft dringend braucht".

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Originalveröffentlichung

Weitere News aus dem Ressort Wissenschaft

Meistgelesene News

Weitere News von unseren anderen Portalen

Alle FT-IR-Spektrometer Hersteller