ИИ ускорил поиск материалов для нанокатализаторов
Исследователи из Мичиганского университета разработали вычислительную систему на основе интерпретируемого машинного обучения, которая позволяет быстро находить оптимальные материалы-носители для наночастиц платины, предотвращающие их спекание при высоких температурах.
Графическая аннотация. Автор: Nature Catalysis (2025). DOI: 10.1038/s41929-025-01417-3
Металлические наночастицы используются как катализаторы при синтезе химикатов и топлив, но имеют тенденцию к спеканию — объединению в крупные кластеры, что снижает их эффективность.
«Когда частицы увеличиваются в размерах, они "прячут" дорогие атомы, такие как платина, внутри объёма, вместо того чтобы оставаться на поверхности, где они могут участвовать в реакции. Закрепление наночастиц на материале-носителе предотвращает это», — пояснил Сульо Линич, профессор химической инженерии и соавтор исследования.
Новый подход сочетает нейросетевой молекулярный динамический анализ с интерпретируемым машинным обучением, которое выявляет ключевые физические свойства, препятствующие спеканию. Это позволило проанализировать более 10 000 кандидатов — масштаб, недостижимый при полном моделировании.
«Этот подход делает симуляции нанокатализаторов в тысячи раз быстрее традиционных квантово-механических методов, превращая месяцы вычислений в дни или даже часы», — отметил Брайан Голдсмит, доцент химической инженерии.
После проверки модель отобрала 148 перспективных материалов из 10 662 вариантов. В результате был идентифицирован устойчивый к спеканию носитель на основе оксида бария (BaO).
Разработанная система применима для различных каталитических процессов и может использоваться на химических производствах для быстрого подбора материалов.
0 комментариев