I ricercatori di Skoltech e i loro colleghi provenienti da Cina e Germania hanno presentato un nuovo algoritmo di ricerca per catalizzatori di leghe a singolo atomo (SAAC) che ha trovato più di 200 candidati non segnalati. Il loro lavoro fornisce una ricetta per trovare i migliori SAAC per varie applicazioni. Il documento è stato pubblicato sulla rivista Comunicazioni sulla natura .

Catalizzatori di leghe a un solo atomo, o SAAC, dove singoli atomi di metalli rari e costosi come il platino sono dispersi su un ospite metallico inerte, sono altamente efficienti e selettivi in ​​numerose reazioni catalitiche, comprese idrogenazioni selettive, deidrogenazioni, Reazioni di accoppiamento C−C e C−O, NESSUNA riduzione, e ossidazione della CO. Questo è il motivo per cui vengono utilizzati in reazioni industrialmente importanti come l'idrogenazione di molecole organiche per l'aggiornamento di prodotti chimici a prodotti di valore più elevato.

"L'efficienza dei SAAC in queste reazioni è attribuita a un effetto sinergico dei componenti della lega che forniscono un'efficiente dissociazione delle molecole di idrogeno senza un eccessivo legame degli atomi di idrogeno. Tuttavia, non ci sono così tanti SAAC conosciuti che sono stabili e allo stesso tempo cataliticamente attivi, soprattutto perché il loro design finora si è basato in gran parte su tentativi ed errori. Anche all'interno delle leghe binarie ci sono diverse migliaia di possibili SAAC con diverse combinazioni di metalli e tagli superficiali. Questo rende gli approcci per tentativi ed errori estremamente inefficienti, "Sergey Levchenko, Assistant Professor presso lo Skoltech Center for Energy Science and Technology, dice.

Levchenko e i suoi colleghi sono stati in grado di identificare modelli di apprendimento automatico accurati e affidabili basati su calcoli di principi primi per la descrizione dell'energia di legame dell'idrogeno, energia di dissociazione, e l'energia di segregazione degli atomi ospiti per i SAAC. Ciò li ha portati a fare una previsione molto più veloce (di un fattore mille) ma affidabile delle prestazioni catalitiche di migliaia di SAAC.

"Il modello valuta correttamente le prestazioni dei SAAC testati sperimentalmente. Scansionando più di cinquemila SAAC con il nostro modello, abbiamo identificato oltre duecento nuovi SAAC con stabilità e prestazioni migliorate rispetto a quelli esistenti, " scrivono gli autori.

Hanno usato l'intelligenza artificiale per estrarre parametri importanti (descrittori) dai dati computazionali correlati alle prestazioni catalitiche dei SAAC e allo stesso tempo sono molto veloci da calcolare. Oltre ai pratici modelli, gli autori hanno anche sviluppato una nuova metodologia di apprendimento automatico per identificare combinazioni di proprietà fisiche dei materiali che si traducono in prestazioni catalitiche eccezionali, estraendo così conoscenza fisica e comprensione dai dati.

"La metodologia sviluppata può essere facilmente adattata alla progettazione di nuovi materiali funzionali per varie applicazioni, compresa l'elettrocatalisi (reazioni di riduzione dell'ossigeno e di evoluzione dell'idrogeno), celle a combustibile, riformazione del metano, e reazione di spostamento acqua-gas, "Note di Levchenko.