Veštačka inteligencija i automatizovana laboratorijska infrastruktura masovno ubrzavaju razvoj novih hemijskih katalizatora. Pomoću ovih alata, istraživači sa ETH Ciriha razvijaju katalizatore za efikasnu i ekonomičnu sintezu metanola izvora energije iz CO₂.
Katalizatori su vredni mali pomoćnici hemije. Oni ubrzavaju reakcije i smanjuju energiju potrebnu za odvijanje reakcije. Što je katalizator specifičniji i efikasniji, to se efikasnije potiskuju sve neželjene sporedne reakcije.
U prirodi, enzimi imaju zadatak da posebno podstaknu potrebne metaboličke procese među skoro beskonačnim mogućnostima reakcija hemijske supe unutar ćelija. U hemijskim postrojenjima, metalni katalizatori se obično koriste za povećanje prinosa proizvoda.
Istraživači koji rade na tehnološkoj platformi Sviss Cat+ u ETH Cirihu, predvođeni Pacom Laveilleom, sada su razvili potpuno digitalizovanu i automatizovanu metodu koja im omogućava da pronađu nove i bolje metalne katalizatore mnogo brže nego ranije. Njihov proces se sastoji od kombinacije veštačke inteligencije (AI) za izračunavanje obećavajućih kompozicija katalizatora i automatizovane laboratorije za sintezu i testiranje.
Sa ovom infrastrukturom, timu je bilo potrebno manje od šest nedelja da uspešno razvije oko 150 kompozicija katalizatora za proizvodnju metanola iz CO₂. Najbolji katalizatori su isplativi i pokazuju visoke stope konverzije sa malim udelom nusproizvoda. „Ovaj novi metod štedi ogromnu količinu vremena“, kaže Laveille. „Sa konvencionalnim pristupom, naši eksperimenti bi trajali godinama.“
Istraživači su objavili dva rada o svojoj metodi. Prvi je objavljen prošle godine u CHIMIA, a drugi ove nedelje u Chem Catalisis.
Metanol se smatra jednim od ključnih elemenata za održivu ekonomiju ugljovodonika. Bliski hemijski srodnik etanola (tj. alkohol za piće), supstanca se može koristiti i kao gorivo i kao sirovina za proizvodnju organskih jedinjenja kao što su lekovi, plastika ili boje.
Pošto je tečnost, metanol je mnogo lakše transportovati i skladištiti nego gasoviti vodonik i metan, dva druga izvora energije. Štaviše, korišćenje metanola u postojećoj infrastrukturi snabdevanja i motorima današnje tehnologije benzina zahteva samo manje modifikacije.
U potrazi za optimalnim katalizatorima za proizvodnju metanola, postoji jedan veliki problem: teoretski, atomi se mogu kombinovati na skoro beskonačan broj načina da bi se formirao katalizator. „Hemijski prostor u kojem tražimo katalizatore obuhvata oko 10 20 mogućnosti—to je sto milijardi milijardi. Tako da bukvalno tražimo iglu u hemijskom plastu sena“, objašnjava Kristof Kopere, profesor u Laboratoriji za neorganske Hemija na ETH Cirihu i koinicijator projekta Sviss Cat+.
Da bi suzili ogroman spektar mogućnosti, istraživači su napravili predizbor na osnovu iskustva i ekonomskih zahteva. Katalizator koji se može koristiti u velikim razmerama mora biti ne samo efikasan već i jeftin. Iz tog razloga, glavni aktivni sastojci za katalizator bili su ograničeni na tri relativno jeftina metala: gvožđe, bakar i kobalt.
Pored ovih glavnih metala, istraživači su razmatrali tri elementa koji se tradicionalno dodaju katalizatorima u malim količinama za potrebe dopinga, kao i kalijum, koji se takođe nalazi u mnogim katalizatorima. Što se tiče materijala nosača, istraživači su se ograničili na četiri tipična metalna oksida. Pomnoženo različitim odnosima mešanja, ovo je i dalje rezultiralo sa 20 miliona mogućih kombinacija.
Preduzimanje iterativnih koraka sa statistikom podržanom AI
U ovom trenutku, istraživači su uveli AI algoritam koji koristi ono što je poznato kao Bajesova optimizacija za pronalaženje najboljih mogućih rešenja. Ovaj poseban oblik statistike je posebno pogodan kada je dostupna samo mala količina podataka. Za razliku od klasične statistike, verovatnoća ne proizilazi iz relativne frekvencije izračunate iz brojnih eksperimenata. Umesto toga, proračun uzima u obzir verovatnoću koja se može očekivati na osnovu trenutnog stanja znanja.
U početnoj rundi, algoritam je nasumično odabrao 24 kompozicije katalizatora koji su ispunjavali specifikacije sastavljene u svrhu ograničavanja složenosti. Ovi katalizatori su proizvedeni direktno korišćenjem automatizovane laboratorijske infrastrukture Sviss Cat+ i zatim testirani.
Rezultati ove početne selekcije poslužili su istraživačima kao polazna tačka za predviđanje AI; ovako predviđene kompozicije katalizatora su zauzvrat automatski sintetizovane i testirane. Za ovaj prvi demonstracioni test, naučnici su imali svoj integrisani sistem da završi ukupno šest takvih rundi.
Činjenica da su se rezultati poboljšali između rundi ne linearno, već skokovima i granicama, bila je potpuno namerna: ne samo da algoritam optimizuje rezultate ranijih rundi, već uključuje i istraživačku komponentu koja unosi potpuno nove kompozicije u svaki okrugli i uči o hemijskom prostoru. Tako su istraživači sprečili da se proračuni zaglave u ćorsokaku optimizacije među svim mogućnostima.
U ovom prvom projektu, međutim, primarna briga istraživača nije bila da pronađu najbolji mogući katalizator za sintezu metanola. „Trenutno je znanje o katalizatorima za proizvodnju goriva zasnovano pretežno na stručnosti naftne industrije“, kaže Kopere. „Kada je reč o reakcijama za upotrebu u industriji održive energije, pouzdani podaci još uvek u velikoj meri nedostaju.
Međutim, AI algoritmi i ljudska istraživačka inteligencija trebaju te podatke pre nego što mogu da pretražuju na ciljaniji način u ogromnom prostoru hemijskih mogućnosti. „I to je upravo vrsta visokokvalitetnih, ponovljivih podataka koje naša laboratorija za robote potpomognuta veštačkom inteligencijom sada isporučuje. Sigurno je da će istraživanje katalizatora odvesti daleko napred“, dodaje Laveille.
