In una scoperta che potrebbe aiutare a spianare la strada verso combustibili più puliti e un'industria chimica più sostenibile, i ricercatori dell'Università del Michigan hanno utilizzato l'apprendimento automatico per prevedere in che modo le composizioni delle leghe metalliche e degli ossidi metallici influenzano le loro strutture elettroniche.

La struttura elettronica è la chiave per comprendere come il materiale si comporterà come mediatore, o catalizzatore, di reazioni chimiche.

"Stiamo imparando a identificare le impronte digitali dei materiali e a collegarle con le prestazioni del materiale, "ha detto Bryan Goldsmith, il Dow Corning Assistant Professor di ingegneria chimica.

Una migliore capacità di prevedere quali composizioni di metallo e ossido di metallo sono le migliori per guidare quali reazioni potrebbero migliorare processi chimici su larga scala come la produzione di idrogeno, produzione di altri combustibili e fertilizzanti, e produzione di prodotti chimici domestici come il detersivo per i piatti.

"L'obiettivo della nostra ricerca è sviluppare modelli predittivi che collegheranno la geometria di un catalizzatore alle sue prestazioni. Tali modelli sono centrali per la progettazione di nuovi catalizzatori per trasformazioni chimiche critiche, " disse Suljo Linic, il professore universitario Martin Lewis Perl di ingegneria chimica.

Uno dei principali approcci per prevedere come un materiale si comporterà come potenziale mediatore di una reazione chimica consiste nell'analizzare la sua struttura elettronica, in particolare la densità degli stati. Questo descrive quanti stati quantistici sono disponibili per gli elettroni nelle molecole che reagiscono e le energie di quegli stati.

Generalmente, la densità elettronica degli stati è descritta con statistiche riassuntive:un'energia media o un'inclinazione che rivela se più stati elettronici sono al di sopra o al di sotto della media, e così via.

"Va bene, ma queste sono solo semplici statistiche. Potresti perdere qualcosa. Con l'analisi delle componenti principali, prendi tutto e trovi ciò che è importante. Non stai solo buttando via informazioni, " disse Goldsmith.

L'analisi delle componenti principali è un classico metodo di apprendimento automatico, insegnato in corsi introduttivi di data science. Hanno usato la densità elettronica degli stati come input per il modello, poiché la densità degli stati è un buon predittore di come la superficie di un catalizzatore si adsorbirà, o legame con, atomi e molecole che fungono da reagenti. Il modello collega la densità degli stati con la composizione del materiale.

A differenza del machine learning convenzionale, che è essenzialmente una scatola nera che immette dati e offre in cambio previsioni, il team ha creato un algoritmo che potevano capire.

"Possiamo vedere sistematicamente cosa cambia nella densità degli stati e correlarlo con le proprietà geometriche del materiale, " disse Jacques Esterhuizen, uno studente di dottorato in ingegneria chimica e primo autore dell'articolo in Catalisi chimica .

Queste informazioni aiutano gli ingegneri chimici a progettare leghe metalliche per ottenere la densità di stati che desiderano per mediare una reazione chimica. Il modello rifletteva accuratamente le correlazioni già osservate tra la composizione di un materiale e la sua densità di stati, oltre a far emergere nuove potenziali tendenze da esplorare.

Il modello semplifica la densità degli stati in due parti, o componenti principali. Un pezzo essenzialmente copre come gli atomi del metallo si incastrano. In una lega metallica a strati, questo include se il metallo del sottosuolo sta separando gli atomi di superficie o li schiaccia insieme, e il numero di elettroni che il metallo del sottosuolo contribuisce al legame. L'altro pezzo è solo il numero di elettroni che gli atomi di metallo di superficie possono contribuire al legame. Da queste due componenti principali, possono ricostruire la densità degli stati nel materiale.

Questo concetto funziona anche per la reattività degli ossidi metallici. In questo caso, la preoccupazione è la capacità dell'ossigeno di interagire con atomi e molecole, che è correlato alla stabilità dell'ossigeno superficiale. Gli ossigeni di superficie stabili hanno meno probabilità di reagire, mentre gli ossigeni superficiali instabili sono più reattivi. Il modello ha catturato con precisione la stabilità dell'ossigeno negli ossidi metallici e nelle perovskiti, una classe di ossidi metallici.