Учёные из Индийского научного института (IISc) создали вычислительную модель, описывающую 9389 химических реакций, которые происходят при превращении углекислого газа в топливо и химические продукты на медном катализаторе. Для сравнения использовалась меньшая модель, включавшая всего 152 реакции. Расширенная сеть предсказала примерно в 40 раз большее преобразование CO2 и верно определила метанол и угарный газ как основные продукты. Результаты исследования опубликованы в журнале Nature Communications.
Гидрирование CO2 — это процесс, при котором водород и катализатор превращают углекислый газ в такие вещества, как метанол, применяемый в топливе и промышленном производстве. Такие превращения включают множество промежуточных соединений и конкурирующих реакций на поверхности катализатора. Полное моделирование каждого возможного шага методами квантовой механики требует огромных вычислительных ресурсов, поэтому исследователи обычно ограничиваются небольшим набором реакций.
«Мы начали с опасения, знакомого каждому, кто занимается моделированием механизмов: откуда вы знаете, что ваша сеть реакций не упустила тот единственный шаг, который имеет значение?» — говорит первый автор работы Ананд Мохан Верма, выполнявший исследование в качестве постдокторанта имени К. В. Рамана в IISc, а ныне доцент Национального института технологий имени Мотилала Неру в Аллахабаде (MNNIT Allahabad). Чтобы изучить пропущенные реакции, команда сначала с помощью квантово-механических симуляций построила тщательно проверенную базу из 152 реакций. Затем исследователи обучили модели машинного обучения для оценки энергетических барьеров активации, определяющих, насколько легко протекают химические реакции. Автоматизированные инструменты выявили возможные реакции с участием 105 химических частиц на поверхности катализатора и определили, какие превращения могут происходить за один шаг, расширив сеть до 9389 элементарных реакций.
«Когда мы моделировали процесс с использованием 152 реакций, рассмотренных изначально, сеть ошибочно предсказывала муравьиную кислоту, а не метанол, в качестве основного продукта, и недооценивала степень преобразования CO2. Только после расширения сети до тысяч дополнительных, ранее упущенных реакций предсказания совпали с тем, что мы и другие наблюдаем экспериментально», — поясняет автор-корреспондент Анант Говинд Раджан, доцент кафедры химической инженерии IISc. Исследователи включили расширенную сеть реакций в кинетическую модель для расчёта поведения химической системы. Экспериментальную проверку провели Г. Валаварасу и Сантош Котни в Центре зелёных исследований и разработок компании Hindustan Petroleum Corporation Limited, а также Амол Амруте и коллеги из Агентства по науке, технологиям и исследованиям в Сингапуре. Амбедкар Дуккипати, профессор кафедры компьютерных наук и автоматизации IISc, участвовал в создании моделей машинного обучения.
Более крупная сеть реакций также выявила механизм, который часто ускользает от обычных моделей. В ряде важных реакций водород может передаваться промежуточным соединениям напрямую из молекулярного H2, а не исключительно через отдельные атомы водорода. Дополнительные квантово-механические расчёты подтвердили, что такой путь может быть особенно выгодным при переносе водорода к кислородсодержащим промежуточным соединениям. «Идея о том, что водород может передаваться как целая молекула, не распадаясь сначала на атомы, противоречит тому, чему большинство из нас учили», — говорит соавтор Шивам Чатурведи, аспирант кафедры химической инженерии IISc. «Это всплыло только потому, что сеть была достаточно большой, чтобы допустить такое, и наблюдение подтвердилось, когда мы вернулись и явно рассчитали эти шаги. Это также говорит о том, что катализаторы, сильнее взаимодействующие с H2, потенциально могут усилить пути, ведущие к метанолу».
Полученные результаты указывают на возможные стратегии улучшения дизайна катализаторов, хотя предложенные преимущества более сильного взаимодействия с H2 всё ещё требуют дальнейшего изучения. Исследователи также предполагают, что их подход, объединяющий квантовую механику, машинное обучение, автоматизированное построение реакционных сетей и кинетическое моделирование, можно адаптировать к другим промышленно важным процессам, включая восстановление CO2 на разных катализаторах, восстановление азота и разложение воды.