Palladium, mød kobber:Forskere bruger maskinlæring til at forbedre katalysatorer

Forskere fra Skoltech og deres kolleger fra Tyskland og USA har undersøgt egenskaberne og opførselen af ​​en palladium-kobberlegering under skiftende temperaturer og brintkoncentrationer, med yderst relevante implikationer af denne forskning for katalysatordesign. Avisen blev udgivet i Journal of Applied Physics .

Overgangsmetallegeringsmaterialer kan have katalytiske egenskaber og anvendes i vid udstrækning til at lette forskellige kemiske reaktioner såsom CO ₂ hydrogenering, en proces, der omdanner kuldioxid til methanol. Brug af en legering af et dyrere reaktivt element med et andet, der er billigere og mere inert, gør disse katalysatorer meget effektive. Et eksempel på en sådan katalysator ville være en legering af palladium (Pd) og kobber (Cu), hvor isolerede atomer af Pd er placeret i Cu -gitteret.

Zhong-Kang Han, Debalaya Sarker og Sergey Levchenko fra Skoltech Center for Energy Science and Technology (CEST) og deres kolleger modellerede egenskaberne af en Pd/Cu-legering, ved hjælp af en maskinlæringsmodel til at forudsige fordelingen af ​​Pd-atomer på en Cu-overflade som funktion af brintpartialtryk og temperatur. "Kun Pd-atomer ved overfladen giver katalytisk aktive steder. Derfor, det er vigtigt at vide, hvor mange af disse atomer der kan findes ved overfladen ved relevante temperaturer og brintpartialtryk, " siger Levchenko.

Han siger, at evaluering af energierne af mange atomare konfigurationer af Pd inden for Cu-gitteret kræver en masse beregningsressourcer, så forskerne valgte en surrogat-klyngeudvidelsesmodel, der er lettere at håndtere. "Denne model giver os mulighed for at evaluere energien af ​​millioner af konfigurationer på sekunder. I denne undersøgelse, vi havde et system, der er mere komplekst end dem, der typisk studeres ved brug af klyngeudvidelse:en overflade af en legering, hvor stabiliteten af ​​forskellige atomare konfigurationer er påvirket af adsorbater fra gasfasen. Derfor, vi anvendte maskinlæringstilgangen baseret på komprimeret sansning (en metode, der i vid udstrækning anvendes til at komprimere billeder) for at udvikle en meget nøjagtig og forudsigelig surrogatmodel, " bemærker Levchenko.

Holdet fandt ud af, at brintadsorption faktisk har en stærk effekt på koncentrationen af ​​Pd-atomer i det øverste lag af Cu (111) overflade. "Mens Pd ved lave brintpartialtryk og højere temperaturer foretrækker at blive ved overfladen, ved højere tryk og lavere temperaturer driver brintadsorption Pd væk fra overfladen, " forklarer Levchenko.

Forfatterne håber, at deres fund kan åbne døren for design af metallegeringer med bedre katalytiske egenskaber ved at tage hensyn til dynamiske ændringer i sammensætning og struktur af materialer under realistiske driftsforhold.