Ingenieure entwickeln allgemeine Hochgeschwindigkeitstechnologie zum Modellieren und Verstehen katalytischer Reaktionen
Seit einem Jahrhundert befassen sich Forscher mit der industriellen Herstellung von Ammoniak. Aber sie haben sich schwer getan, Wege zu finden, um den wenig ergiebigen und wenig effizienten Prozess zu verbessern.
Atmosphärischer Stickstoff reagiert mit Hilfe eines Eisenkatalysators mit Wasserstoff und erzeugt Ammoniak. Bei dieser Reaktion entsteht eine große Menge Ammoniak - die weltweite Produktion beträgt 160 Millionen Tonnen pro Jahr. Das meiste davon wird in der Landwirtschaft verwendet, insbesondere als Stickstoffdünger. Es wird auch in vielen Industriezweigen verwendet, z. B. zur Kühlung in der Lebensmittel- und Getränkeindustrie. Wir alle kennen es als Haushaltsreiniger.
Ein Forschungsteam unter der Leitung von Qi An, außerordentlicher Professor für Materialwissenschaften und Ingenieurwesen an der Iowa State University, hat eine Technologie der künstlichen Intelligenz entwickelt, die das Verständnis der Forscher für die chemischen Reaktionen bei der Ammoniakproduktion und andere komplexe chemische Reaktionen verbessern könnte.
"Unser entwickeltes HDRL-FP-Framework hat das Potenzial, wesentlich zur Optimierung dieses Prozesses beizutragen, die Produktionskosten und den CO₂-Ausstoß zu senken und die Errichtung kleinerer und weiter verbreiteter Anlagen zu erleichtern", schreiben die Forscher in einem kürzlich online in der Fachzeitschrift Nature Communications veröffentlichten Beitrag. "Daher unterstreicht das Framework seine Effektivität und sein Potenzial für die Vorhersage komplexer chemischer Reaktionswege."
HDRL-FP steht für High-Throughput Deep Reinforcement Learning with First Principles. An und seine Mitarbeiter und Co-Autoren - Tian Lan und Huan Wang von Salesforce AI Research in Kalifornien - sagen, dass die Technologie voller Potenzial ist.
"Die Erforschung katalytischer Reaktionsmechanismen ist entscheidend für das Verständnis chemischer Prozesse, die Optimierung von Reaktionsbedingungen und die Entwicklung effektiverer Katalysatoren", schreiben sie.
Von Belohnungen und Atomen
Laut An gibt es zwei Schlüssel zur Softwaretechnologie der Forscher: eine Art des maschinellen Lernens, das so genannte Verstärkungslernen, und die Verbindung des Simulationsprozesses mit den Positionen der beteiligten Atome.
An sagte, Verstärkungslernen sei wie das Trainieren eines Hundes, bei dem Belohnungen eingesetzt werden, um Handlungen zu fördern. Beim Verstärkungslernen lernen Computer aus ihren Handlungen und suchen nach geeigneten Belohnungen. In diesem Fall geht es bei den Belohnungen darum, den besten, effizientesten und kostengünstigsten Reaktionsweg zu finden.
Die Methode kann, wenn sie mit Grafikprozessoren und Hochdurchsatzstrategien eingesetzt wird, schnell und automatisch den optimalen Reaktionsweg aus Tausenden von möglichen Wegen ermitteln, so An. Auf diese Weise können inmitten der extrem verrauschten Daten realer chemischer Reaktionen praktikable Reaktionsmechanismen identifiziert werden.
Die Forscher haben die Technologie auch so entwickelt, dass sie für allgemeine Studien über katalytische Reaktionen nützlich ist. Die Studien beginnen mit den Positionen der Atome, die auf einer Energielandschaft abgebildet sind. Das reicht aus - die Forscher müssen nicht mit einer spezifischeren Darstellung der Reaktionsumgebung beginnen, einschließlich der Zustände, Aktionen oder Belohnungen für eine bestimmte Reaktion.
An und seine Mitarbeiter arbeiten seit etwa zwei Jahren an diesem Projekt. Es begann, als An an die Iowa State wechselte, und wurde von seinen universitären Startup-Fonds unterstützt.
Er sagte, dass die Berechnungen des Systems für die Reaktion, bei der Ammoniak erzeugt wird, als Proof-of-Concept-Demonstration angesehen werden.
"Dies ermöglicht es uns, den Reaktionsmechanismus herauszufinden", sagte An. "Wir sind in der Lage, wichtige Reaktionsschritte bei der Ammoniaksynthese zu sehen".
Der erfolgreiche Blick der Forscher in diese Reaktion "ermöglicht die automatische Untersuchung komplexer katalytischer chemischer Reaktionen", schreiben sie, "und bietet einen vielversprechenden Ansatz für künftige Forschung und Entdeckungen."
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
![[Fe]-Hydrogenase-Katalyse mittels Parawasserstoff-verstärkter Kernmagnetresonanzspektroskopie sichtbar gemacht](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
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.
