Maskinindlæring strømliner dramatisk søgningen efter mere effektive kemiske reaktioner

Selv en simpel kemisk reaktion kan være overraskende kompliceret. Det gælder især for reaktioner, der involverer katalysatorer, som fremskynder kemien, der danner brændstof, gødning og andre industrivarer. I teorien, en katalytisk reaktion kan følge tusinder af mulige veje, og det kan tage år at identificere, hvilken det faktisk tager, så forskere kan justere det og gøre det mere effektivt.

Nu har forskere ved Department of Energy's SLAC National Accelerator Laboratory og Stanford University taget et stort skridt i retning af at skære igennem denne tykkelse af muligheder. De brugte maskinlæring - en form for kunstig intelligens - til at beskære de mindst sandsynlige reaktionsveje væk, så de kan koncentrere deres analyse om de få, der er tilbage, og spare en masse tid og kræfter.

Metoden vil fungere til en lang række komplekse kemiske reaktioner og bør dramatisk fremskynde udviklingen af ​​nye katalysatorer, rapporterede holdet i Naturkommunikation .

'En skræmmende opgave'

"At designe en ny katalysator for at fremskynde en kemisk reaktion er en meget skræmmende opgave, "sagde Thomas Bligaard, en personaleforsker ved SUNCAT Center for Interface Science and Catalysis, et fælles SLAC/Stanford -institut, hvor forskningen fandt sted. "Der er en enorm mængde eksperimentelt arbejde, der normalt går ind i det."

For eksempel, han sagde, at finde en katalysator, der gør nitrogen fra luften til ammoniak-betragtes som en af ​​de vigtigste udviklinger i det 20. århundrede, fordi det muliggjorde storskala produktion af gødning, med til at starte den grønne revolution - tog årtiers test af forskellige reaktioner en efter en.

Selv i dag, ved hjælp af supercomputersimuleringer, der forudsiger resultaterne af reaktioner ved at anvende teoretiske modeller på enorme databaser om kemikaliers og katalysatorers adfærd, søgningen kan tage år, fordi det indtil nu i høj grad har været afhængig af menneskelig intuition for at vælge mulige vindere ud af de mange tilgængelige reaktionsveje.

"Vi skal vide, hvad reaktionen er, og hvad er de sværeste trin langs reaktionsvejen, for selv at tænke på at lave en bedre katalysator, "sagde Jens Nørskov, en professor ved SLAC og Stanford og direktør for SUNCAT.

"Vi har også brug for at vide, om reaktionen kun gør det produkt, vi ønsker, eller om det også giver uønskede biprodukter. Vi har dybest set gjort rimelige antagelser om disse ting, og vi har virkelig brug for en systematisk teori til at guide os. "

Handel med menneskelig intuition for maskinlæring

Til denne undersøgelse, holdet kiggede på en reaktion, der gør syngas, en kombination af kulilte og hydrogen, til brændstoffer og industrikemikalier. Syngassen flyder over overfladen af ​​en rhodiumkatalysator, som ligesom alle katalysatorer ikke forbruges i processen og kan bruges igen og igen. Dette udløser kemiske reaktioner, der kan producere en række mulige slutprodukter, såsom ethanol, metan eller acetaldehyd.

"I dette tilfælde er der tusinder af mulige reaktionsveje - et uendeligt antal, virkelig - med hundredvis af mellemliggende trin, "sagde Zachary Ulissi, en postdoktorforsker ved SUNCAT. "Normalt ville det ske, at en kandidatstuderende eller postdoktor ville gennemgå dem en ad gangen, bruge deres intuition til at vælge, hvad de synes er de mest sandsynlige veje. Dette kan tage år. "

Den nye metode fjerner intuition til fordel for maskinlæring, hvor en computer bruger et sæt problemløsningsregler til at lære mønstre fra store datamængder og derefter forudsige lignende mønstre i nye data. Det er et værktøj bag kulisserne i et stigende antal teknologier, fra selvkørende biler til afsløring af svindel og online køb.

Hurtig ukrudt

De data, der blev brugt i denne proces, stammer fra tidligere undersøgelser af kemikalier og deres egenskaber, herunder beregninger, der forudsiger bindingsenergier mellem atomer baseret på kvantemekanikkens principper. Forskerne var især interesserede i to faktorer, der afgør, hvor let en katalytisk reaktion forløber:Hvor stærkt de reagerende kemikalier binder sig til katalysatorens overflade, og hvilke trin i reaktionen udgør de væsentligste barrierer for at komme videre. Disse er kendt som hastighedsbegrænsende trin.

En reaktion vil søge den vej, der tager mindst energi, Ulissi forklarede, meget ligesom en motorvejsdesigner vil vælge en rute mellem bjerge frem for at spilde tid på at lede efter en effektiv måde at gå over toppen af ​​en top. Med maskinlæring var forskerne i stand til at analysere reaktionsvejene igen og igen, hver gang eliminerer de mindst sandsynlige stier og finjusterer søgestrategien til den næste runde.

Når alt var sat op, Ulissi sagde, "Det tog kun sekunder eller minutter at luge de stier ud, der ikke var interessante. I sidste ende var der kun omkring 10 reaktionsbarrierer, der var vigtige." Den nye metode, han sagde, har potentiale til at reducere den tid, der er nødvendig til at identificere en reaktionsvej fra år til måneder.