I ricercatori del gruppo López di ICIQ presentano un nuovo metodo che consente la progettazione razionale di catalizzatori eterogenei. Dopo aver applicato l'analisi dei componenti principali e la regressione (PCA) alle energie di adsorbimento di 71 diverse specie C1 e C2 su 12 superfici metalliche (di transizione) ravvicinate, gli scienziati hanno chiarito per la prima volta un modello interpretabile nella catalisi eterogenea.

Il nuovo metodo del team, pubblicato in Comunicazioni sulla natura , faciliterà la scoperta di catalizzatori eterogenei in grado di trasformare la frazione non commestibile della biomassa in prodotti chimici di valore. La procedura riduce il numero di calcoli di un fattore 20 mantenendo barre di errore paragonabili alla teoria del funzionale della densità (DFT).

Il più semplice possibile, ma non più semplice

Le molecole di biomassa sono grandi. Con strutture molecolari complesse, ci sono molti siti di reazione da considerare quando la biomassa interagisce con un catalizzatore. Una molecola relativamente piccola, come un C6, potrebbe presentare una rete di reazione di circa 500, 000 reazioni, rendendo troppo impegnativo il tempo e le risorse per studiare utilizzando i modelli attuali. In contrasto, studiando le specie C1 e C2, gli scienziati ora possono estrapolare il comportamento a molecole più grandi che si trovano comunemente nella biomassa.

I ricercatori del gruppo López hanno applicato la PCA, una tecnica di Machine Learning semplice e non supervisionata, ridurre la dimensionalità del problema. Dopo aver analizzato le energie di formazione di 71 adsorbiti su 12 superfici metalliche ravvicinate, i ricercatori hanno ottenuto un'espressione lineare a due termini che consente il rilevamento rapido e accurato di intere reti di reazione su superfici metalliche riducendo drasticamente il numero di calcoli DFT necessari.

La semplicità del modello risultante ha consentito ai ricercatori dell'ICIQ di fare un passo oltre lo stato dell'arte e interpretare i risultati, una novità assoluta nella catalisi eterogenea.

Dal nero al verde

Interpretare i risultati della resa degli strumenti di apprendimento automatico può essere una sfida. Per fortuna, gli scienziati dell'ICIQ hanno potuto aprire la scatola e interpretare in termini fisici i parametri dell'equazione. "Se sai cosa significa ciascuno dei termini nell'equazione, puoi andare oltre ed espandere il tuo modello, " spiega Rodrigo García-Muelas, primo autore del saggio. "Il primo termine dell'equazione descrive la covalenza del legame, mentre il secondo è correlato all'ionicità del legame". La sequenza matematica utilizzata per trovare i modelli è pubblicamente disponibile ad altri ricercatori per riprodurre i risultati.

Il nuovo modello si applica a un'ampia gamma di scenari e consente di prevedere come reagirà un sistema e cosa produrrà semplicemente conoscendo le caratteristiche delle obbligazioni. Gli approcci di apprendimento automatico applicati alla catalisi stanno ampliando la nostra comprensione del funzionamento interno delle molecole avvicinando la trasformazione della biomassa in biocarburanti, fornendo così un'alternativa più ecologica ai combustibili fossili.