La ricerca di catalizzatori più produttivi per la creazione di combustibili sostenibili e prodotti chimici di base tramite reazioni elettrochimiche è appena diventata più semplice.
Alimentati da elettricità rinnovabile, gli elettrocatalizzatori che producono carburanti e prodotti chimici da acqua, anidride carbonica o azoto hanno il potenziale per decarbonizzare i trasporti pesanti e le industrie chimiche. Questa decarbonizzazione può essere ottenuta mediante la sostituzione diretta dei combustibili fossili o con la produzione a basso consumo energetico di combustibili e prodotti chimici.
Un nuovo database di elettrocatalisi open source, sviluppato dal National Renewable Energy Laboratory (NREL) e dai suoi partner, fornisce ai ricercatori una visione completa della conversione dell’energia elettrochimica. I dati estesi consentono di comprendere meglio i fattori fondamentali che regolano i cambiamenti nelle prestazioni dei catalizzatori e possono accelerare la progettazione degli elettrocatalizzatori.
Il nuovo database è stato sviluppato dal team BEAST (Eletrochimica della teoria funzionale oltre la densità con tecniche accelerate e solvate). Il consorzio BEAST, guidato da Ravishankar Sundararaman del Rensselaer Polytechnic Institute, comprende collaboratori del NREL, del Lawrence Berkeley National Laboratory, dell'Università del Colorado Boulder e dell'Università della Carolina del Sud.
Il database BEAST, o BEAST DB, consente agli elettrochimici sperimentali e teorici di esplorare reazioni catalitiche su scala atomica e visualizzare numerose proprietà sulle prestazioni del catalizzatore.
Esempi di reazioni elettrochimiche critiche includono la conversione di acqua, anidride carbonica o azoto in idrogeno, acido formico o altre molecole a base di carbonio ridotto e ammoniaca, rispettivamente, utilizzando elettrocatalizzatori. Comprendere le proprietà fondamentali durante l'elettrocatalisi può portare a progressi nell'efficienza e nella produttività del catalizzatore.
Derek Vigil-Fowler, il ricercatore di scienze computazionali presso NREL che ha concettualizzato BEAST DB, ritiene che questi dati possano consentire una comprensione olistica di questi catalizzatori.
"Avere in un unico posto risultati di riferimento standardizzati per le reazioni elettrocatalitiche più ampiamente studiate consente ai ricercatori di avere uno sportello unico per acquisire una comprensione di base di come funziona il loro catalizzatore su scala atomica.
"Possono visualizzare l'adsorbimento molecolare sulla superficie e il trasferimento di carica che guida le reazioni elettrocatalitiche e capire come questo varia tra i catalizzatori e gli intervalli di potenziale applicati. Altri possono basarsi su questi calcoli con nuovi calcoli ed esperimenti e fare progressi nel campo," Vigil- Fowler ha detto.
"L'obiettivo finale di BEAST DB è rendere più semplice l'esplorazione delle prestazioni dei catalizzatori e lo sviluppo di nuovi catalizzatori per diverse reazioni chimiche."
La diversità delle condizioni negli esperimenti elettrochimici pubblicati e nei calcoli teorici ostacola una completa comprensione dei sistemi elettrochimici. Mentre la teoria del funzionale della densità (DFT) può prevedere il comportamento catalitico, i metodi DFT rappresentano in modo inadeguato la lunghezza e le scale temporali nelle reazioni elettrochimiche, specialmente nell'interfaccia dinamica elettrodo-elettrolita.
BEAST DB utilizza un quadro sistematico che supera le carenze del DFT e modella accuratamente i sistemi elettrochimici, fornendo linee di base chiare per le prestazioni dell'elettrocatalizzatore e fungendo da elemento costitutivo per ulteriori sviluppi teorici.
Il database utilizza inoltre impostazioni di calcolo uniformi, un elemento cruciale mancante in letteratura che consentirà un confronto più semplice tra attività catalitica e produttività tra diversi elettrocatalizzatori e in condizioni diverse.
Una finestra dettagliata su migliaia di reazioni catalitiche
BEAST DB utilizza metodi grand-canonici per modellare la solvatazione elettrochimica ab initio degli elettroliti per generare dati sulle prestazioni su oltre 24.000 combinazioni molecola-catalizzatore, dove i ricercatori possono esplorare l'energia della reazione per diverse trasformazioni su superfici catalitiche.
Il database include elettrocatalizzatori promettenti per la reazione di riduzione dell'anidride carbonica, la reazione di riduzione dell'ossigeno, la reazione di evoluzione dell'ossigeno, la reazione di riduzione dell'azoto e la reazione di evoluzione dell'idrogeno. Gli utenti possono ordinare e visualizzare in base ai tipi di calcolo, tra cui formula di assorbimento, composizione del catalizzatore e aspetto del catalizzatore.
Ogni tipo di reazione si collega a una pagina di calcolo dedicata che fornisce più dati di reazione, incluso un grafico 3D interattivo del calcolo per visualizzare la struttura fisica e i grafici della carica sulla molecola e sul sito attivo del catalizzatore.
Gli utenti possono anche scaricare un file di struttura POSCAR per un facile utilizzo con altri strumenti di visualizzazione e analisi standard per le comunità dei materiali e della catalisi.
Il team BEAST fornisce script di conversione nel formato necessario per i pacchetti software che alimentano BEAST DB, JDFTx e BerkeleyGW, per riprodurre i risultati del database ed eseguire calcoli aggiuntivi per fornire ulteriori approfondimenti scientifici.
Ciascuna delle proprietà del database di cui sopra può aiutare i ricercatori a razionalizzare il motivo per cui i catalizzatori sono efficaci quanto lo sono durante l'elettrocatalisi, mentre i dati stessi e la capacità di basarsi su di essi consentono la creazione di modelli di apprendimento automatico che aiutano a informare la costruzione di nuovi catalizzatori.
Jacob Clary, un ricercatore applicato presso NREL che lavora nel team BEAST e che ha contribuito allo sviluppo di BEAST DB, spera che il database diventi uno strumento importante per la comunità di ricerca sull'elettrocatalisi.
"Penso che il consorzio BEAST nel complesso sia entusiasmante perché stiamo sviluppando strumenti all'avanguardia per modellare i sistemi elettrocatalitici con maggiore fedeltà e costi computazionali inferiori rispetto agli approcci esistenti", ha affermato Clary.
Anche Taylor Aubry, ricercatore di scienze computazionali presso NREL e collaboratore di dati per BEAST DB, è entusiasta del valore che il database porterà.
"Prevedo che gli studi consentiti da BEAST DB forniranno preziose informazioni sulla miriade di processi necessari per realizzare un futuro sostenibile e decarbonizzato, in cui la catalisi elettrochimica assume un ruolo centrale", ha affermato Aubry.
Bill Tumas, direttore associato del laboratorio della direzione dei materiali, della chimica e delle scienze computazionali dell'NREL, ha affermato:"La versatilità e la quantità di dati presenti in BEAST DB contribuiranno notevolmente ad aiutare i ricercatori a comprendere, prevedere e controllare la progettazione degli elettrocatalizzatori.
"La scoperta di elettrocatalizzatori innovativi che consentono la produzione di combustibili sostenibili e prodotti chimici di base è diventata più semplice grazie a questo prezioso strumento."
Il team BEAST collaborerà con i ricercatori dell'elettrocatalisi nel prossimo ciclo di generazione di dati e incoraggerà input e collaborazioni da parte degli utenti del database. La prossima versione includerà rappresentazioni più complesse delle superfici e delle reazioni dei catalizzatori, ad esempio difetti, copertura superficiale e meccanismi dell'ossigeno reticolare.
Fornito dal Laboratorio nazionale per le energie rinnovabili
