L’intelligenza artificiale e le infrastrutture di laboratorio automatizzate stanno accelerando enormemente lo sviluppo di nuovi catalizzatori chimici. Con questi strumenti, i ricercatori dell'ETH di Zurigo stanno sviluppando catalizzatori per sintetizzare in modo efficiente ed economico la fonte di energia metanolo dalla CO2 .
I catalizzatori sono i piccoli aiutanti laboriosi della chimica. Accelerano le reazioni e riducono l'energia necessaria affinché una reazione abbia luogo. Più un catalizzatore è specifico ed efficace, più efficacemente vengono soppresse eventuali reazioni collaterali indesiderate.
In natura gli enzimi hanno il compito di stimolare in modo mirato i processi metabolici necessari tra le quasi infinite possibilità di reazione del brodo chimico all'interno delle cellule. Negli impianti chimici, i catalizzatori metallici vengono solitamente utilizzati per aumentare la resa del prodotto.
I ricercatori che lavorano sulla piattaforma tecnologica Swiss Cat+ presso l’ETH di Zurigo, guidati da Paco Laveille, hanno ora sviluppato un metodo completamente digitalizzato e automatizzato che consente loro di trovare nuovi e migliori catalizzatori metallici molto più velocemente di prima. Il loro processo consiste in una combinazione di intelligenza artificiale (AI) per il calcolo di composizioni catalitiche promettenti e un laboratorio automatizzato di sintesi e test.
Con questa infrastruttura, il team ha impiegato meno di sei settimane per sviluppare con successo circa 150 composizioni di catalizzatori per la produzione di metanolo dalla CO2 . I migliori catalizzatori sono economici e presentano tassi di conversione elevati con una bassa percentuale di sottoprodotti. "Questo nuovo metodo consente di risparmiare un'enorme quantità di tempo", afferma Laveille. "Con un approccio convenzionale, i nostri esperimenti avrebbero richiesto anni."
I ricercatori hanno pubblicato due articoli sul loro metodo. Il primo è stato pubblicato lo scorso anno su CHIMIA e il secondo questa settimana in Chem Catalysis .
Il metanolo è considerato uno degli elementi chiave per un’economia sostenibile degli idrocarburi. Stretto parente chimico dell'etanolo (ovvero dell'alcol), la sostanza può essere utilizzata sia come combustibile che come materia prima per la produzione di composti organici come medicinali, plastica o vernici.
Poiché è un liquido, il metanolo è molto più facile da trasportare e immagazzinare rispetto all’idrogeno gassoso e al metano, altre due fonti di energia. Inoltre, l'utilizzo del metanolo nelle infrastrutture di approvvigionamento esistenti e nei motori dell'attuale tecnologia a benzina richiede solo modifiche minori.
Nella ricerca di catalizzatori ottimali per la produzione di metanolo c'è un grosso problema:teoricamente gli atomi possono essere combinati in un numero quasi infinito di modi per formare un catalizzatore. "Lo spazio chimico in cui cerchiamo catalizzatori comprende circa 10 20 possibilità:sono cento miliardi di miliardi. Stiamo quindi letteralmente cercando un ago nel pagliaio della chimica", spiega Christophe Copéret, professore al Laboratorio di chimica inorganica dell'ETH di Zurigo e co-iniziatore del progetto Swiss Cat+.
Per restringere l'enorme spettro di possibilità, i ricercatori hanno effettuato una preselezione basata sull'esperienza e sulle esigenze economiche. Un catalizzatore che possa essere utilizzato su larga scala deve essere non solo efficace ma anche poco costoso. Per questo motivo, i principali ingredienti attivi del catalizzatore erano limitati a tre metalli relativamente economici:ferro, rame e cobalto.
Oltre a questi metalli principali, i ricercatori hanno considerato tre elementi che tradizionalmente vengono aggiunti ai catalizzatori in piccole quantità ai fini del drogaggio, oltre al potassio, anch'esso contenuto in molti catalizzatori. Per quanto riguarda i materiali di supporto, i ricercatori si sono limitati a quattro tipici ossidi metallici. Moltiplicato per i diversi rapporti di miscelazione si ottengono comunque 20 milioni di combinazioni possibili.
Adottare misure iterative con le statistiche supportate dall'intelligenza artificiale
A questo punto i ricercatori hanno messo in gioco un algoritmo AI che utilizza la cosiddetta ottimizzazione bayesiana per trovare le migliori soluzioni possibili. Questa particolare forma di statistica è particolarmente adatta quando sono disponibili solo pochi dati. A differenza della statistica classica, la probabilità non deriva dalla frequenza relativa calcolata da numerosi esperimenti. Invece, il calcolo tiene conto della probabilità che ci si può aspettare in base allo stato attuale delle conoscenze.
Nella fase iniziale, l'algoritmo ha selezionato in modo casuale 24 composizioni di catalizzatori che soddisfacevano le specifiche elaborate allo scopo di limitare la complessità. Questi catalizzatori sono stati prodotti direttamente utilizzando l'infrastruttura del laboratorio automatizzato Swiss Cat+ e poi testati.
I risultati di questa selezione iniziale sono serviti ai ricercatori come punto di partenza per una previsione dell’IA; le composizioni catalitiche così previste sono state a loro volta sintetizzate e testate automaticamente. Per questo primo test dimostrativo, gli scienziati hanno fatto completare al loro sistema integrato un totale di sei cicli di questo tipo.
Il fatto che i risultati siano migliorati tra i round non in modo lineare, ma piuttosto a passi da gigante, è stato del tutto intenzionale:non solo l'algoritmo ottimizza i risultati dei round precedenti, ma include anche una componente esplorativa che inserisce composizioni completamente nuove in ogni round. rotondo e impara a conoscere lo spazio chimico. In questo modo i ricercatori hanno evitato che i calcoli rimanessero bloccati in un vicolo cieco di ottimizzazione tra tutte le possibilità.
In questo primo progetto, tuttavia, la preoccupazione principale dei ricercatori non era quella di trovare il miglior catalizzatore possibile per la sintesi del metanolo. "Attualmente le conoscenze sui catalizzatori per la produzione di carburante si basano prevalentemente sulle competenze dell'industria petrolifera", afferma Copéret. "Quando si tratta di reazioni da utilizzare nel settore dell'energia sostenibile, mancano ancora dati affidabili."
Tuttavia, gli algoritmi di intelligenza artificiale e l’intelligence della ricerca umana hanno bisogno di tali dati prima di poter effettuare ricerche in modo più mirato nel vasto spazio delle possibilità chimiche. "E questo è esattamente il tipo di dati riproducibili e di alta qualità che il nostro laboratorio robotico assistito dall'intelligenza artificiale ora fornisce. Sicuramente porterà la ricerca sui catalizzatori molto avanti", aggiunge Laveille.
Ulteriori informazioni: Paco Laveille et al, Swiss CAT+, un'infrastruttura basata sui dati per la scoperta e l'ottimizzazione accelerata di catalizzatori, CHIMIA (2023). DOI:10.2533/chimia.2023.154
Adrian Ramirez et al, Esplorazione accelerata di CO2 eterogeneo catalizzatori di idrogenazione mediante sperimentazione automatizzata e ad alta produttività ottimizzata per bayesiano, catalisi chimica (2024). DOI:10.1016/j.checat.2023.100888
Fornito da ETH Zurigo
