Les chercheurs utilisent l’apprentissage automatique pour améliorer les catalyseurs


Alliage d'aluminium

Crédit photo: Pixabay / CC0 Public Domain

Des de Skoltech et leurs collègues d’Allemagne et des États-Unis ont étudié les propriétés et le comportement d’un alliage palladium-cuivre sous des températures et des concentrations d’hydrogène changeantes, avec des effets très pertinents de cette recherche sur la conception de . L’article a été publié dans le Journal de physique appliquée.

Les matériaux en alliage de métaux de transition peuvent avoir des propriétés catalytiques et sont largement utilisés faciliter diverses réactions chimiques telles que le CO2 Hydrogénation, un processus qui convertit le dioxyde de carbone en méthanol. L’utilisation d’un alliage d’un élément réactif plus coûteux avec un autre moins cher et plus inerte rend ces catalyseurs très efficaces. Un exemple d’un tel catalyseur serait un alliage de palladium (Pd) et de cuivre (Cu), dans lequel des atomes de Pd isolés sont positionnés dans le de Cu.

Zhong-Kang Han, Debalaya Sarker et Sergey Levchenko du Skoltech Center for Energy Science and Technology (CEST) et leurs collègues ont modélisé les propriétés d’un alliage Pd / Cu à l’aide d’un modèle d’apprentissage automatique pour prédire la distribution des atomes de Pd sur un Cu -Surface en fonction de la pression partielle d’hydrogène et de la . «Seuls les atomes de Pd à la surface offrent des sites catalytiquement actifs. Il est donc important de savoir combien de ces atomes peuvent être trouvés à la surface à des températures et des pressions partielles d’hydrogène pertinentes», déclare Levchenko.

Il dit que l’évaluation des énergies de nombreuses configurations atomiques de Pd dans le réseau Cu nécessite beaucoup de ressources de calcul, c’est pourquoi les chercheurs ont choisi un modèle d’extension de cluster de substitution avec lequel il est plus facile de travailler. «Avec ce modèle, nous pouvons évaluer l’énergie de millions de configurations en quelques secondes. Dans cette étude, nous avions un système plus complexe que ce qui est normalement étudié avec l’expansion d’amas: une surface d’un alliage sur laquelle est affichée la stabilité de différentes configurations atomiques est influencé par les adsorbats de la phase gazeuse, nous avons donc utilisé l’approche d’apprentissage automatique, qui est basée sur l’acquisition compressée (une technique souvent utilisée pour compresser les images), pour développer un modèle de substitution très précis et prédictif », a noté Levchenko.

L’équipe a découvert que l’adsorption d’hydrogène avait en fait un fort impact sur la concentration d’atomes de Pd dans la couche supérieure de la surface de Cu (111). «Alors que le Pd a tendance à rester à la surface à de faibles pressions partielles d’hydrogène et à des températures plus élevées, l’adsorption d’hydrogène éloigne le Pd de la surface à des pressions plus élevées et à des températures plus basses», explique Levchenko.

Les auteurs espèrent que leurs résultats pourront ouvrir la porte à la conception d’alliages métalliques avec de meilleures propriétés catalytiques en prenant en compte les changements dynamiques dans la composition et la structure des matériaux dans des conditions de fonctionnement réalistes.


La CMU devient le point de contact pour l’apprentissage automatique dans la recherche en catalyse


Plus d’information:
Zhong-Kang Han et al., Première étude de principe de la surface de Cu allié au Pd (111) dans une atmosphère d’hydrogène à des températures réalistes, Journal de physique appliquée (2020). DOI: 10.1063 / 5.0020625

Fourni par l’Institut des sciences et technologies de Skolkovo

Citation: Palladium, Copper Meet: Researchers Use Machine Learning to Improve Catalysts (2020, 17 novembre), consulté le 18 novembre 2020 sur https://phys.org/news/2020-11-palladium-copper-machine- catalyseurs.html

Ce document est soumis au droit d’auteur. Sauf pour le commerce équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif uniquement.

Laisser un commentaire