Anche una semplice reazione chimica può essere sorprendentemente complicata. Ciò è particolarmente vero per le reazioni che coinvolgono catalizzatori, che accelerano la chimica che fa carburante, fertilizzanti e altri beni industriali. In teoria, una reazione catalitica può seguire migliaia di possibili percorsi, e possono volerci anni per identificare quale sia effettivamente necessario in modo che gli scienziati possano modificarlo e renderlo più efficiente.

Ora i ricercatori dello SLAC National Accelerator Laboratory del Dipartimento dell'Energia e dell'Università di Stanford hanno compiuto un grande passo avanti verso questa selva di possibilità. Hanno usato l'apprendimento automatico, una forma di intelligenza artificiale, per eliminare i percorsi di reazione meno probabili, in modo che possano concentrare la loro analisi sui pochi che rimangono e risparmiare molto tempo e fatica.

Il metodo funzionerà per un'ampia varietà di reazioni chimiche complesse e dovrebbe accelerare notevolmente lo sviluppo di nuovi catalizzatori, la squadra ha riportato in Comunicazioni sulla natura .

"Un compito arduo"

"Progettare un nuovo catalizzatore per accelerare una reazione chimica è un compito molto arduo, " disse Thomas Bligaard, uno scienziato del personale presso il SUNCAT Center for Interface Science and Catalysis, un istituto congiunto SLAC/Stanford dove si è svolta la ricerca. "C'è un'enorme quantità di lavoro sperimentale che normalmente viene svolto".

Ad esempio, Egli ha detto, trovare un catalizzatore che trasforma l'azoto dell'aria in ammoniaca – considerato uno degli sviluppi più importanti del XX secolo perché ha reso possibile la produzione su larga scala di fertilizzanti, contribuendo a lanciare la Rivoluzione Verde, ci sono voluti decenni per testare varie reazioni una per una.

Anche oggi, con l'aiuto di simulazioni al supercomputer che prevedono i risultati delle reazioni applicando modelli teorici a enormi database sul comportamento di sostanze chimiche e catalizzatori, la ricerca può durare anni, perché fino ad ora si è affidato in gran parte all'intuizione umana per scegliere i possibili vincitori tra i molti percorsi di reazione disponibili.

"Dobbiamo sapere qual è la reazione, e quali sono i passaggi più difficili lungo il percorso di reazione, anche solo per pensare di creare un catalizzatore migliore, " ha detto Jens Nørskov, un professore a SLAC e Stanford e direttore di SUNCAT.

"Dobbiamo anche sapere se la reazione produce solo il prodotto che vogliamo o se produce anche sottoprodotti indesiderati. Fondamentalmente abbiamo fatto ipotesi ragionevoli su queste cose, e abbiamo davvero bisogno di una teoria sistematica che ci guidi."

Scambiare l'intuizione umana per l'apprendimento automatico

Per questo studio, il team ha osservato una reazione che trasforma syngas, una combinazione di monossido di carbonio e idrogeno, in combustibili e prodotti chimici industriali. Il syngas scorre sulla superficie di un catalizzatore al rodio, che come tutti i catalizzatori non viene consumato nel processo e può essere utilizzato più e più volte. Questo innesca reazioni chimiche che possono produrre una serie di possibili prodotti finali, come l'etanolo, metano o acetaldeide.

"In questo caso ci sono migliaia di possibili vie di reazione - un numero infinito, davvero – con centinaia di passaggi intermedi, " disse Zaccaria Ulissi, un ricercatore post-dottorato presso SUNCAT. "Di solito succede che uno studente laureato o un ricercatore post-dottorato li esamini uno alla volta, usando la loro intuizione per scegliere quelli che pensano siano i percorsi più probabili. Questo può richiedere anni".

Il nuovo metodo abbandona l'intuizione a favore del machine learning, in cui un computer utilizza una serie di regole di risoluzione dei problemi per apprendere modelli da grandi quantità di dati e quindi prevedere modelli simili in nuovi dati. È uno strumento dietro le quinte in un numero crescente di tecnologie, dalle auto a guida autonoma al rilevamento delle frodi e ai consigli per l'acquisto online.

Diserbo rapido

I dati utilizzati in questo processo provengono da studi precedenti sui prodotti chimici e sulle loro proprietà, compresi i calcoli che prevedono le energie di legame tra gli atomi basati sui principi della meccanica quantistica. I ricercatori erano particolarmente interessati a due fattori che determinano la facilità con cui procede una reazione catalitica:quanto fortemente le sostanze chimiche reattive si legano alla superficie del catalizzatore e quali fasi della reazione presentano le barriere più significative per andare avanti. Questi sono noti come passaggi di limitazione della velocità.

Una reazione cercherà il percorso che richiede meno energia, Ulisse ha spiegato, proprio come un progettista di autostrade sceglierà un percorso tra le montagne piuttosto che perdere tempo alla ricerca di un modo efficiente per superare la cima di una vetta. Con l'apprendimento automatico i ricercatori sono stati in grado di analizzare i percorsi di reazione più e più volte, eliminando ogni volta i percorsi meno probabili e mettendo a punto la strategia di ricerca per il turno successivo.

Una volta che tutto è stato impostato, Ulisse ha detto, "Ci sono voluti solo secondi o minuti per eliminare i percorsi che non erano interessanti. Alla fine c'erano solo circa 10 barriere di reazione che erano importanti". Il nuovo metodo, Egli ha detto, ha il potenziale per ridurre il tempo necessario per identificare un percorso di reazione da anni a mesi.