Пиролиз метана (CH₄) — реакция, в результате которой получается водород без выброса углекислого газа. В этом процессе часто используются катализаторы в расплавленных средах.
Недавняя статья, опубликованная в журнале ACS Catalysis, исследует, как искусственный интеллект и машинное обучение помогают учёным более эффективно идентифицировать эти катализаторы.
Препятствия для промышленного применения
Внедрение пиролиза метана через катализ в расплавленных средах сдерживается необходимостью использования чрезвычайно высоких температур, что увеличивает затраты на энергию и создаёт технические барьеры.
Прорывы в области катализаторов
Недавние прорывы показали, что многокомпонентные расплавленные системы, включая бинарные, тройные и четвертичные смеси, могут обеспечить пиролиз CH₄ при более умеренных температурах. Однако разработка таких систем сложна из-за огромного количества комбинаций элементов и присущего расплавленным катализаторам атомного беспорядка.
Профессор Хао Ли из Токийского университета передовых исследований материалов (WPI-AIMR), возглавлявший исследование, говорит:
«Для систематического изучения пространства проектирования многокомпонентных расплавленных катализаторов подходы, основанные на данных и управляемые искусственным интеллектом, предлагают значительные преимущества по сравнению с традиционными экспериментами методом проб и ошибок. Мы предлагаем стратегии, основанные на дескрипторах, генеративных моделях и активном обучении, чтобы ускорить открытие катализаторов».
Основные моменты исследования
Исследование подчёркивает, как проектирование, основанное на дескрипторах, может определить ключевые физико-химические свойства, влияющие на производительность катализатора, в то время как генеративные модели могут предложить новые составы для экспериментальной проверки. Системы активного обучения, интегрирующие непрерывную обратную связь от экспериментов, могут дополнительно уточнить прогнозы для нацеливания на оптимальные кандидаты в катализаторы.
Хао Ли объясняет:
«Наши следующие шаги включают разработку моделей расплавленных катализаторов на основе машинного обучения с использованием высококачественных обучающих данных. Мы также стремимся создать автономные платформы сбора данных и продвигать методы многомасштабного моделирования, чтобы лучше понимать реальные условия реакции».
Ли заключает:
«Комбинируя искусственный интеллект, машинное обучение и экспериментальные данные, мы надеемся преодолеть узкие места в проектировании расплавленных катализаторов и ускорить внедрение технологий пиролиза метана в промышленное производство».
Предоставлено Токийским университетом.