Catalisi e prodotti chimici

Descrizione
Esaminare le composizioni dei catalizzatori e i percorsi di reazione mediante previsione. MatterSeek prevede le proprietà del materiale catalitico dalla composizione, quindi le convalida in un laboratorio autonomo.

Catalisi e prodotti chimici: sistema di materiali/prestazioni prevedibili/percorso di convalida
AI for Catalyst Discovery: esamina le fasi attive e i supporti prima di avviare un reattore
Prevede le proprietà del materiale catalitico dalla composizione chimica, in modo che le fasi attive, i promotori e i materiali di supporto possano essere classificati prima di avviare un reattore o eseguire un test elettrochimico.
Attività, selettività e stabilità sono accoppiate alla composizione in modi non lineari e ogni valutazione sperimentale consuma tempo del reattore, materia prima e capacità analitica. Lo screening basato sull’intuizione significa che ampie regioni dello spazio compositivo non vengono mai esaminate, comprese quelle che presentano il miglior compromesso tra attività e durabilità.
MatterSeek prevede le famiglie di proprietà elettrochimiche e termodinamiche dalla composizione, compreso il potenziale di inizio dell'evoluzione dell'ossigeno e la pendenza di Tafel dell'evoluzione dell'ossigeno – le due quantità che classificano più direttamente gli elettrocatalizzatori per l'evoluzione dell'ossigeno – insieme al punto di fusione, al coefficiente di Seebeck, al fattore di potenza e alla figura di merito termoelettrica. La gestione della composizione supporta da uno a quattro elementi base con una precisione del livello di drogaggio di 0,02, quindi gli studi sul promotore e sul drogante sono modellati con la granularità effettivamente specificata. Un giro di previsione dura circa un minuto per due elementi base, due per tre e sette per quattro.
non solo un elenco. I risultati vengono restituiti come grafici radar multi-proprietà per confrontare i candidati attraverso diversi parametri contemporaneamente, mappe termiche 2D e 3D che mostrano come le proprietà correlate alle attività si spostano in un intervallo di composizione e tabelle esportabili per la revisione della progettazione.
Le composizioni selezionate si spostano nel laboratorio autonomo di 1.200 m² di MatterSeek. Due dei suoi sei cluster di processi si associano direttamente al lavoro del catalizzatore: il cluster della chimica umida copre la preparazione dei precursori, la sintesi idrotermale e solvotermica, la calcinazione e una fase di test di lisciviazione; il cluster sol-gel copre l’idrolisi del sol, l’invecchiamento del gel, lo scambio di solventi e l’essiccazione con CO₂ supercritica: il percorso standard verso supporti ad alta superficie e trasportatori di catalizzatori aerogel. La caratterizzazione automatizzata comprende l'analisi dell'area superficiale BET, XRD, Raman e l'analisi termica simultanea, con un obiettivo dichiarato da 300 a 500 campioni al giorno a seconda del percorso.
Le famiglie di materiali catalitici affrontate includono catalizzatori metallici e ossidi supportati, zeolite e supporti porosi, elettrocatalizzatori per l'evoluzione dell'ossigeno, fotocatalizzatori e materiali termoelettrici.
Domande frequenti
D: Quali proprietà catalitiche possono essere previste?
A: Famiglie elettrochimiche e termodinamiche, compreso il potenziale di inizio dell'evoluzione dell'ossigeno, la pendenza di Tafel dell'evoluzione dell'ossigeno, il punto di fusione e parametri termoelettrici come il coefficiente di Seebeck e la figura di merito.
D: MatterSeek può progettare supporti catalizzatori e fasi attive?
R: Sì. I materiali di supporto fanno parte dello spazio di composizione e il percorso di essiccazione sol-gel e supercritico nel laboratorio autonomo è particolarmente adatto ai vettori ad elevata area superficiale.
D: Come viene misurata la superficie del catalizzatore?
R: L'analisi BET automatizzata viene eseguita all'interno del laboratorio autonomo come parte della catena di caratterizzazione.
Yuyao (Beijing) Technology Co., Ltd. è un'azienda professionale specializzata nell'intersezione di intelligenza artificiale e materiali avanzati di catalisi e prodotti chimici. L’azienda ha sviluppato in modo indipendente MatterSeek, un modello fondamentale di grandi dimensioni su misura per il settore dei materiali, e ha aperto la strada all’algoritmo HNN (Hierarchical Neural Network), costruendo al contempo un database proprietario e controllabile per gli esperimenti sui materiali.

