Generatives Design von Oxiden als CO2-Hydrierungskatalysator
Generative Design of Oxides as CO2 Hydrogenation Catalysts
Wissenschaftsdisziplinen
Chemie (20%); Informatik (65%); Physik, Astronomie (15%)
Keywords
-
Oxides,
Machine Learning,
DFT
Ein wichtiges Ziel der nachhaltigen Entwicklung ist es, Wege zu finden, Kohlendioxid (CO 2) in wertvolle Chemikalien umzuwandeln. Eine kritische Reaktion ist die Umwandlung von CO 2 mit H2 zur Herstellung von Methanol, das als Kraftstoff oder als Vorprodukt für verschiedene wichtige Chemikalien verwendet werden kann. Dieser Prozess wird durch Materialien, so genannte Katalysatoren, ermöglicht, die die Geschwindigkeit chemischer Reaktionen beschleunigen und ihre Effizienz bei der Herstellung der gewünschten Produkte erhöhen. Binäre Oxide, die aus zwei Metallen und Sauerstoff bestehen, haben sich als vielversprechende Alternative zu herkömmlichen Katalysatoren auf Metallbasis für die Bildung von Methanol aus CO2 und H2 erwiesen. Aufgrund ihrer Komplexität ist es jedoch schwierig, den Zusammenhang zwischen ihrer Zusammensetzung und Struktur und ihrer katalytischen Aktivität vollständig zu verstehen. Um zu verstehen, wie Katalysatoren auf atomarer Ebene funktionieren, werden heute üblicherweise Computersimulationen eingesetzt. Sie sind jedoch rechenintensiv und kostspielig, was das Verständnis und die Erforschung alternativer Materialien einschränkt. Das GENOX-Projekt zielt darauf ab, die kritischen Eigenschaften von Mischmetalloxiden zu ermitteln, um bessere Materialien für die Hydrierung von CO2 zu Methanol zu entwickeln und vorherzusagen. Mehrere katalytische Materialien werden mit datengesteuerten Methoden und mit Verfahren der künstlichen Intelligenz (KI) bewertet, um Verbindungen zwischen berechneten und experimentellen Eigenschaften und ihrer katalytischen Aktivität herzustellen. Nach der Validierung der Genauigkeit der Methoden durch einen Abgleich mit experimentellen Daten von Mitarbeitern, die Experten auf diesem Gebiet sind, werden wir generative KI einsetzen, um bessere katalytische Materialien vorzuschlagen. Insgesamt verfolgt das GENOX-Projekt einen alternativen, auf künstliche Intelligenz gestützten Ansatz, um die Eigenschaften von Oxidmaterialien zu entschlüsseln, die deren katalytische Aktivität für die nachhaltige Umwandlung von CO2 bestimmen.
- Technische Universität Wien - 100%
- Christoph R. Müller, ETH Zürich - Schweiz
- Christophe Coperet, ETH Zürich - Schweiz