گامی نو در تولید پاک پراکسید هیدروژن؛ هوش مصنوعی کاتالیستهای آینده را شناسایی میکند
پژوهشگران با ارائه یک چارچوب محاسباتی نوین مبتنی بر هوش مصنوعی، موفق شدهاند مسیر تولید پراکسید هیدروژن را از روشی پرهزینه و آلاینده به فرآیندی پاک، کممصرف و مبتنی بر آب و برق نزدیکتر کنند؛ دستاوردی که میتواند تحول مهمی در صنعت شیمی و فناوریهای پایدار ایجاد کند.
به گزارش سیتنا،پراکسید هیدروژن یکی از پرمصرفترین مواد شیمیایی در زندگی روزمره و صنایع مختلف است؛ مادهای که از ضدعفونی تجهیزات پزشکی گرفته تا پاکسازیهای زیستمحیطی و فرآیندهای تولیدی کاربرد گسترده دارد. با این حال، بخش عمده پراکسید هیدروژن جهان همچنان از طریق روشهای صنعتی بزرگمقیاس و انرژیبر تولید میشود که علاوه بر هزینه بالا، آثار زیستمحیطی قابلتوجهی به همراه دارند. همین چالشها، پژوهشگران را به سمت یافتن راهکارهای پاکتر و کارآمدتر سوق داده است.
در همین راستا، گروهی از دانشمندان موفق به توسعه یک چارچوب محاسباتی جدید شدهاند که امکان شناسایی کاتالیستهای مؤثر برای تولید مستقیم پراکسید هیدروژن از آب و برق را فراهم میکند. این پژوهش که در نشریه معتبر Angewandte Chemie International Edition منتشر شده، بر واکنش الکتروشیمیایی اکسایش دوالکترونی آب تمرکز دارد؛ واکنشی که میتواند تولید موضعی و پایدار پراکسید هیدروژن را ممکن سازد.
طراحی کاتالیست مناسب برای این واکنش، همواره یکی از چالشهای اصلی بوده است. به گفته هائو لی، نویسنده اصلی این تحقیق، تنوع گسترده کاتالیستها از آلیاژهای فلزی و اکسیدهای فلزی گرفته تا مواد تکاتمی، مقایسه و پیشبینی عملکرد آنها را دشوار کرده است. تفاوت در ساختار اتمی این مواد، نیازمند رویکردی دقیق و یکپارچه برای ارزیابی کارایی آنهاست.
برای حل این مسئله، تیم تحقیقاتی روشی نوآورانه برای توصیف جایگاههای فعال کاتالیستی در مقیاس اتمی ارائه کرده است. این روش که «تابع تقارن اتممحور وزندهیشده» نام دارد، آرایش هندسی اتمها و ویژگیهای شیمیایی آنها را در قالب یک توصیفگر واحد ثبت میکند. پژوهشگران با ترکیب این توصیفگرها و مدلهای یادگیری ماشین، توانستند عملکرد کاتالیستهای مختلف را با دقت بالا پیشبینی کنند.
نتایج این مطالعه نشان میدهد که چارچوب پیشنهادی، قادر به پیشبینی خواص کلیدی واکنش در طیف وسیعی از کاتالیستهاست و پیشبینیهای آن تطابق بالایی با محاسبات کوانتومی دقیق و دادههای تجربی پیشین دارد؛ موضوعی که اعتبار این روش را تأیید میکند.
در ادامه، پژوهشگران با استفاده از این مدل، فرآیند غربالگری سریعی را روی کاتالیستهای بالقوه انجام دادند و در نهایت، اکسید لیتیوم اسکاندیوم (LiScO₂) را بهعنوان گزینهای بسیار امیدوارکننده شناسایی کردند. آزمایشها نشان داد این ماده میتواند پراکسید هیدروژن را با بازدهی حدود ۹۰ درصد تولید کرده و پایداری خود را برای نزدیک به یک هفته کارکرد مداوم حفظ کند.
هائو لی در تشریح اهمیت این دستاورد میگوید: «این چارچوب به ما امکان میدهد ارتباط مستقیمی میان اطلاعات مقیاس اتمی و عملکرد قابلاندازهگیری برقرار کنیم؛ رویکردی که آزمونوخطا در توسعه کاتالیستها را بهطور چشمگیری کاهش میدهد.»
این چارچوب هماکنون در «پلتفرم دیجیتال کاتالیست» پیادهسازی شده است؛ بزرگترین پایگاه داده تجربی و محاسباتی کاتالیستها که توسط آزمایشگاه هائو لی توسعه یافته و امکان پیشبینی کارآمد خواص واکنشها را برای پژوهشگران فراهم میکند. به دلیل ماهیت عمومی این روش، قابلیت توسعه آن به سایر واکنشهای مهم الکتروشیمیایی نیز وجود دارد.
به نقل از ستاد نانو، پژوهشگران امیدوارند این رویکرد مبتنی بر هوش مصنوعی، مسیر طراحی کاتالیستهای نوین را هموار کرده و در آینده، به تولید پاکتر مواد شیمیایی و توسعه فناوریهای انرژی پایدار کمک کند.
انتهای پیام
افزودن دیدگاه جدید