KI-gestützte Suche nach Ein-Atom-Legierungs-Katalysatoren ergibt mehr als 200 vielversprechende Kandidaten
"Die entwickelte Methodik kann leicht angepasst werden, um neue Funktionsmaterialien für verschiedene Anwendungen zu entwerfen"
Skoltech-Forscher und ihre Kollegen aus China und Deutschland haben einen neuen Suchalgorithmus für Ein-Atom-Legierungs-Katalysatoren (single-atom-alloy catalysts, SAACs) vorgestellt, der mehr als 200 bisher unbekannte Kandidaten fand. Ihre Arbeit liefert ein Rezept, um die besten SAACs für verschiedene Anwendungen zu finden.
Symbolbild
pixabay.com
Ein-Atom-Legierungs-Katalysatoren, bei denen einzelne Atome von seltenen und teuren Metallen wie Platin auf einem inerten Metallträger dispergiert sind, sind hocheffizient und selektiv bei zahlreichen katalytischen Reaktionen, einschließlich selektiver Hydrierungen, Dehydrierungen, C-C- und C-O-Kopplungsreaktionen, NO-Reduktion und CO-Oxidation. Deshalb werden sie in industriell wichtigen Reaktionen wie der Hydrierung organischer Moleküle zur Veredelung von Chemikalien zu höherwertigen Produkten eingesetzt.
"Die Effizienz von SAACs in diesen Reaktionen wird auf einen synergistischen Effekt der Legierungskomponenten zurückgeführt, die eine effiziente Dissoziation von Wasserstoffmolekülen ohne übermäßige Bindung von Wasserstoffatomen ermöglichen. Es sind jedoch nicht so viele SAACs bekannt, die stabil und gleichzeitig katalytisch aktiv sind, vor allem weil ihr Design bisher weitgehend auf Versuch und Irrtum beruht. Selbst innerhalb der binären Legierungen gibt es mehrere tausend mögliche SAACs mit unterschiedlichen Metallkombinationen und Oberflächenschnitten. Das macht die Trial-and-Error-Ansätze extrem ineffizient", sagt Sergey Levchenko, Assistant Professor am Skoltech Center for Energy Science and Technology.
Levchenko und seine Kollegen waren in der Lage, genaue und zuverlässige Machine-Learning-Modelle auf der Basis von First-Principles-Berechnungen für die Beschreibung der Wasserstoffbindungsenergie, der Dissoziationsenergie und der Gastatomsegregationsenergie für SAACs zu identifizieren. Dadurch konnten sie eine viel schnellere (um den Faktor 1.000) und dennoch zuverlässige Vorhersage der katalytischen Leistung von Tausenden von SAACs machen.
"Das Modell bewertet korrekt die Leistung von experimentell getesteten SAACs. Durch das Scannen von mehr als fünftausend SAACs mit unserem Modell haben wir über zweihundert neue SAACs mit sowohl verbesserter Stabilität als auch Leistung im Vergleich zu den bestehenden identifiziert", schreiben die Autoren.
Sie nutzten künstliche Intelligenz, um wichtige Parameter (Deskriptoren) aus Rechendaten zu extrahieren, die mit der katalytischen Leistung von SAACs korrelieren und gleichzeitig sehr schnell zu berechnen sind. Zusätzlich zu den praktischen Modellen entwickelten die Autoren auch eine neuartige Machine-Learning-Methode zur Identifizierung von Kombinationen physikalischer Materialeigenschaften, die zu einer hervorragenden katalytischen Leistung führen, und extrahierten so physikalisches Wissen und Verständnis aus den Daten.
"Die entwickelte Methodik kann leicht angepasst werden, um neue funktionale Materialien für verschiedene Anwendungen zu entwerfen, einschließlich Elektrokatalyse (Sauerstoffreduktion und Wasserstoffentwicklungsreaktionen), Brennstoffzellen, Reformierung von Methan und Wasser-Gas-Shift-Reaktion", bemerkt Levchenko.
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
Holen Sie sich die Chemie-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für die chemische Industrie, Analytik, Labor und Prozess bringt Sie jeden Dienstag und Donnerstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
