El campo del desarrollo de catalizadores está experimentando una revolución, gracias a la integración de inteligencia artificial (IA) e infraestructura de laboratorio automatizada. Los investigadores de ETH Zurich están aprovechando estas herramientas para acelerar el descubrimiento de nuevos catalizadores químicos, centrándose recientemente en el desarrollo de catalizadores para la síntesis de metanol a partir de CO2.
Los catalizadores desempeñan un papel crucial en las reacciones químicas al acelerar la velocidad de reacción y reducir la energía requerida. Cuanto más específico y efectivo sea un catalizador, mejor suprime las reacciones secundarias no deseadas. Inspirados en la naturaleza, donde las enzimas catalizan procesos metabólicos específicos, los investigadores de ETH Zurich han desarrollado un método totalmente digitalizado y automatizado para descubrir nuevos y mejores catalizadores metálicos.
Su innovador proceso combina la IA para calcular composiciones prometedoras de catalizadores con un laboratorio de síntesis y pruebas automatizado. En solo seis semanas, desarrollaron con éxito alrededor de 150 composiciones de catalizadores para la producción de metanol a partir de CO2. Estos catalizadores son no solo rentables, sino que también demuestran altas tasas de conversión mientras minimizan la formación de subproductos. Este método acelerado ahorra tiempo significativo en comparación con enfoques tradicionales que tardarían años en obtener resultados similares.
El metanol es un elemento clave en una economía sostenible basada en hidrocarburos. Puede utilizarse como combustible o como materia prima para la producción de diversos compuestos orgánicos. Su forma líquida facilita su transporte y almacenamiento en comparación con el hidrógeno y metano gaseosos. Además, utilizar metanol en la infraestructura y motores existentes requiere solo modificaciones menores.
Encontrar el catalizador óptimo para la producción de metanol plantea un desafío debido a la gran cantidad de combinaciones posibles. Para reducir el espacio de búsqueda, los investigadores realizaron una preselección basada en la experiencia y consideraciones económicas. Se centraron en tres metales asequibles (hierro, cobre y cobalto) como ingredientes activos principales, junto con algunos elementos adicionales comúnmente utilizados para la dopaje de catalizadores. La selección de materiales portadores también se restringió a cuatro óxidos metálicos típicos, lo que resultó en 20 millones de combinaciones potenciales.
Para navegar por este paisaje complejo, se empleó un algoritmo de IA que utiliza optimización Bayesiana. La optimización Bayesiana es efectiva cuando hay datos limitados disponibles, ofreciendo predicciones confiables basadas en el conocimiento actual. El algoritmo seleccionó aleatoriamente 24 composiciones de catalizadores para pruebas iniciales, y luego mejoró iterativamente los resultados sintetizando y probando nuevas composiciones predichas por la IA.
Este enfoque de vanguardia ofrece resultados altamente confiables rápidamente, permitiendo a los investigadores explorar el espacio de catalizadores con una eficiencia sin precedentes. Al combinar el poder de la IA con la infraestructura de laboratorio automatizada, el descubrimiento de nuevos catalizadores se vuelve más rápido y rentable. Este avance tiene implicaciones de gran alcance para el desarrollo de catalizadores, allanando el camino para procesos químicos más sostenibles y eficientes.
The source of the article is from the blog shakirabrasil.info