Un nuovo modello di apprendimento automatico accelera la valutazione dei catalizzatori per la decarbonizzazione da mesi a millisecondi

Nuovo modello di apprendimento automatico accelera valutazione catalizzatori per decarbonizzazione da mesi a millisecondi

La biomassa si riferisce alla materia organica, come piante, legno, scarti agricoli e altri materiali biologici, che può essere utilizzata come fonte di energia rinnovabile. È considerata una fonte di energia rinnovabile perché proviene da organismi viventi e può essere rigenerata relativamente rapidamente, a differenza dei combustibili fossili. La biomassa ha il potenziale per essere trasformata in diversi tipi di energia, come calore, elettricità e biocarburanti, e può potenzialmente ridurre le emissioni di gas serra e promuovere lo sviluppo sostenibile.

Le aree rurali con fattorie, praterie e stagni sono una fonte abbondante di biomassa, tra cui mais, soia, canna da zucchero, erba medica e alghe. Questi materiali possono essere convertiti in carburanti liquidi e prodotti chimici con una vasta gamma di applicazioni potenziali, tra cui carburante per jet rinnovabile per tutti i voli negli Stati Uniti.

La necessità di catalizzatori convenienti ed efficaci è una sfida significativa nella conversione della biomassa in prodotti di valore come i biocarburanti. Tuttavia, i ricercatori presso il Laboratorio Nazionale Argonne del Dipartimento dell’Energia degli Stati Uniti hanno sviluppato un modello basato sull’intelligenza artificiale per accelerare lo sviluppo di un catalizzatore a basso costo basato sul carburo di molibdeno.

• Uno studio scopre che ChatGPT aumenta la produttività dei lavoratori per alcune attività di scrittura
• Affinamento dei modelli di diffusione stabili su CPU Intel
• Analisi esplorativa dei dati in Google Sheets

Temperature elevate producono olio di pirolisi dalla biomassa grezza, risultando in un prodotto con un alto contenuto di ossigeno. Viene impiegato un catalizzatore a base di carburo di molibdeno per eliminare questo contenuto di ossigeno, ma la superficie del catalizzatore attira atomi di ossigeno, causando una diminuzione della sua efficacia. Per superare questo problema, i ricercatori suggeriscono di aggiungere una piccola quantità di un nuovo elemento, come nichel o zinco, al catalizzatore a base di carburo di molibdeno, che riduce la forza di legame degli atomi di ossigeno sulla superficie del catalizzatore, prevenendo così la sua degradazione.

Secondo uno scienziato assistente in MSD, la sfida è scoprire la migliore combinazione di dopante e struttura superficiale per migliorare l’efficacia del catalizzatore a base di carburo di molibdeno. Il carburo di molibdeno ha una struttura complessa, quindi il team ha utilizzato il supercomputer Theta presso Argonne per condurre simulazioni e calcoli teorici per simulare il comportamento degli atomi superficiali legati all’ossigeno e quelli vicini ad esso.

Il team di ricerca ha utilizzato il supercomputer Theta presso Argonne per condurre simulazioni e creare un database di 20.000 strutture per le energie di legame all’ossigeno per il carburo di molibdeno con dopanti. La loro analisi ha considerato decine di elementi dopanti e oltre un centinaio di posizioni possibili per ciascun dopante sulla superficie del catalizzatore. Hanno poi sviluppato un modello di apprendimento profondo utilizzando questo database. Questa tecnica ha permesso loro di analizzare decine di migliaia di strutture in millisecondi, fornendo risultati precisi ed economici rispetto ai metodi computazionali convenzionali che richiedono mesi.

Il Consorzio per la Catalisi Chimica per la Bioenergia ha ricevuto i risultati delle simulazioni su scala atomica del team di ricerca e il modello di apprendimento profondo, che utilizzeranno per condurre esperimenti e valutare un gruppo ristretto di catalizzatori. Secondo Assary, il team spera di espandere il loro approccio computazionale in futuro esaminando oltre un milione di strutture ed esplorando diversi atomi di legame, come l’idrogeno. Hanno anche intenzione di applicare la stessa tecnica a catalizzatori utilizzati in altre tecnologie di decarbonizzazione, come la trasformazione dell’acqua in carburante pulito a base di idrogeno.