触媒開発の分野は、人工知能（AI）と自動化された実験室インフラの統合によって革命を遂げています。ETHチューリッヒの研究者たちは、これらのツールを活用して新しい化学触媒の発見を加速し、最近はCO2からメタノールの合成のための触媒の開発に焦点を当てています。
触媒は、化学反応において反応速度を促進し、必要なエネルギーを低減することで重要な役割を果たします。触媒がより特異で効果的であれば、望ましくない副反応を抑制する能力が向上します。自然界からインスピレーションを得て、酵素が特定の代謝過程を触媒化するように、ETHチューリッヒの研究者たちは、新しい金属触媒を発見するための完全にデジタル化された自動化された方法を開発しました。
彼らの革新的なプロセスは、有望な触媒組成を計算するために人工知能（AI）を組み合わせた自動合成・試験室と組み合わされています。わずか6週間で、彼らはCO2からのメタノール製造のために約150種の触媒組成を成功裏に開発しました。これらの触媒はコスト効率が高いだけでなく、副生成物の形成を最小限に抑えながら高い変換率を示します。この加速された方法は、似たような結果を得るために数年かかる従来のアプローチに比べて大幅な時間を節約します。
メタノールは持続可能な炭化水素ベースの経済において重要な要素です。燃料として使用したり、さまざまな有機化合物の製造のための原料として使用したりできます。液体形態のため、気体の水素やメタンよりも輸送および保管が容易です。さらに、既存のインフラやエンジン内でメタノールを利用するには、わずかな改良しか必要ありません。
メタノールの製造に最適な触媒を見つけることは、可能な組み合わせが非常に多いため課題を提起します。研究者たちは経験と経済的考慮に基づいて予選を行い、3種類の手頃な金属（鉄、銅、コバルト）を主な活性成分として、触媒ドーピングに一般的に使用されるいくつかの追加要素とともに焦点を当てました。担体材料の選択も、4種類の典型的な金属酸化物に制限されており、2000万通りの潜在的な組み合わせが生じています。
この複雑なランドスケープをナビゲートするために、ベイジアン最適化を採用した人工知能アルゴリズムを使用しました。制約のあるデータが利用可能な場合、ベイジアン最適化は、現在の知識に基づいて信頼性の高い予測を提供する効果的な手法です。アルゴリズムは初期テストのために24種の触媒組成をランダムに選択し、その後、AIによって予測された新しい組成を合成・試験することで結果を反復的に改善しました。
この先端的アプローチは、研究者が未曾有の効率で触媒空間を探索できるようにするため、非常に信頼性の高い結果を迅速に提供します。AIの力を自動化された実験室インフラと組み合わせることで、新しい触媒の発見がより迅速かつ効率的になります。この革新は、触媒開発に対して大きな影響を与え、より持続可能で効率的な化学プロセスの道を切り開いています。
The source of the article is from the blog klikeri.rs