您现在的位置是:首页 >新闻频道 > 企业要闻 > 2020-05-14 09:51:13

人工智能帮助研究人员创造创纪录的催化剂

多伦多大学工程学院和卡内基梅隆大学的研究人员正在使用人工智能(AI)来加速将废碳转化为具有创纪录效率的具有商业价值的产品的进展。

他们利用AI加快了在新型催化剂中寻找关键材料的速度,这种新型催化剂将二氧化碳(CO2)转化为乙烯-从塑料到餐具洗涤剂的各种产品的化学前体。

所得的电催化剂是同类产品中最有效的。如果使用风能或太阳能运行,该系统还提供了一种有效的方式来存储来自这些可再生但间歇性来源的电力。

“使用清洁的电能转换成CO2转化为乙烯,它有$ 60十亿全球市场,可以同时提高碳捕获和清洁能源存储的经济性,”特德·萨金特教授,今天发表了一篇新的研究高级作者之一说自然。

萨金特和他的团队已经开发了许多世界领先的催化剂,以减少将二氧化碳转化为乙烯和其他碳基分子的反应的能源成本。但是甚至可能会有更好的选择,并且有数以百万计的潜在材料组合可供选择,对它们进行测试将非常耗时。

该团队表明,机器学习可以加快搜索速度。使用计算机模型和理论数据,算法可以抛弃最糟糕的选择,并为更有希望的候选人指明道路。

Sargent与加拿大高级研究所(CIFAR)合作在2017年举办的研讨会上进一步介绍了使用AI搜索清洁能源材料。该想法在当年晚些时候发表的《自然》评论文章中得到了进一步阐述。

卡内基梅隆大学的Zachary Ulissi教授是原始研讨会的邀请研究人员之一。他的小组专门研究纳米材料的计算机建模。

新型催化剂是具有独特纳米级多孔结构的铜和铝合金。图片来源:叶I /多伦多大学工程系

Ulissi说:“通过其他化学反应,我们拥有庞大且完善的数据集,列出了潜在的催化剂材料及其性质。”

“通过二氧化碳到乙烯的转化,我们就没有了,因此我们无法使用蛮力为所有模型建模。我们的团队花了很多时间思考寻找最有趣材料的创造性方法。”

Ulissi和他的团队创建的算法结合了机器学习模型和主动学习策略来广泛预测给定催化剂可能生产的产品种类,即使没有材料本身的详细建模也是如此。

他们应用这些用于减少CO2的算法筛选了240多种不同的材料,发现了4种有前途的候选物,这些候选物被预测在非常广泛的成分和表面结构中具有理想的性能。

在新论文中,共同作者描述了他们性能最好的催化剂材料,一种铜和铝的合金。两种金属在高温下结合后,一些铝便被蚀刻掉,形成了萨金特形容为“蓬松”的纳米级多孔结构。

然后,在称为电解器的设备中测试了新催化剂,在该设备中,“法拉第效率”(进入所需产品的电流比例)的测量值为80%,这是该反应的新记录。

萨金特说,如果系统要生产与化石燃料衍生的乙烯具有成本竞争力的乙烯,则需要进一步降低能源成本。未来的研究将集中于降低反应所需的总电压,以及进一步降低副产物的比例,这些副产物的分离成本很高。

这种新型催化剂是第一个用于二氧化碳转化为乙烯的催化剂,部分是通过使用AI设计的。这也是Ulissi正在开发的主动学习方法的第一个实验演示。它的强大性能验证了该策略的有效性,并预示着这种性质的未来合作。

萨金特说:“铜和铝可以通过多种方式排列它们自己,但是计算表明,几乎所有铜和铝都被认为在某种程度上是有益的。” “因此,我们坚持不懈,而不是在最初的实验无法完成时尝试使用不同的材料,因为我们知道值得投资。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。