Tədqiqatçılar bir əsrdir ki, ammonyakın sənaye istehsalını öyrənirlər. Lakin onlar aşağı məhsuldar, aşağı effektiv prosesi təkmilləşdirməyin yollarını tapmaqda çətinlik çəkiblər.

Atmosfer azotu, dəmir katalizatorunun köməyi ilə ammonyak əmələ gətirmək üçün hidrogenlə reaksiya verir . Bu reaksiya çoxlu ammonyak istehsal edir – dünya miqyasında istehsal hər il 160 milyon tondur. Ən çox kənd təsərrüfatında, xüsusilə azot gübrəsi kimi istifadə olunur. O, həmçinin qida və içki istehsalı üçün soyuducu da daxil olmaqla bir çox sənaye sahələrində istifadə olunur. Hamımız bunu məişət təmizləyicisi kimi tanıyırıq.

Ayova Dövlət Universitetinin materialşünaslıq və mühəndislik fakültəsinin dosenti Qi Anın rəhbərlik etdiyi tədqiqat qrupu, ammonyak istehsalı və digər mürəkkəb kimyəvi reaksiyalar zamanı tədqiqatçıların kimyəvi reaksiyalar haqqında anlayışını təkmilləşdirməyin yollarını tapa bilən süni intellekt texnologiyasını işləyib hazırlayıb.

“Bizim inkişaf etdirilmiş HDRL-FP çərçivəmiz bu prosesin optimallaşdırılmasına əhəmiyyətli dərəcədə töhfə vermək, istehsal xərclərini və CO₂ emissiyasını potensial olaraq azaltmaq və daha kiçik və daha geniş yayılmış zavodların yaradılmasını asanlaşdırmaq potensialına malikdir” dedi tədqiqatçılar bu yaxınlarda onlayn olaraq nəşr olunan məqalədə . Nature Communications jurnalı . “Buna görə də, çərçivə mürəkkəb kimyəvi reaksiya yollarını proqnozlaşdırmaq üçün onun effektivliyini və potensialını vurğulayır.”

HDRL-FP Birinci Prinsiplərlə Yüksək Məhsuldarlıqlı Dərin Gücləndirici Öyrənmədir. An və onun əməkdaşları və həmmüəllifləri – Kaliforniyadakı Salesforce AI Araşdırmasından Tian Lan və Huan Vanq texnologiyanın potensialla dolu olduğunu deyirlər.

“Katalitik reaksiya mexanizmlərinin tədqiqi kimyəvi prosesləri başa düşmək, reaksiya şəraitini optimallaşdırmaq və daha effektiv katalizatorlar hazırlamaq üçün çox vacibdir ” dedilər.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=135&slotname=8188791252&adk=2329133447&adf=1857921027&pi=t.ma~as.8188791252&w=540&abgtt=6&fwrn=4&lmt=1722928737&rafmt=11&format=540×135&url=https%3A%2F%2Fphys.org%2Fnews%2F2024-08-general-high-technology-catalytic-reactions.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTUuMC4wIiwieDg2IiwiIiwiMTI3LjAuNjUzMy44OSIsbnVsbCwwLG51bGwsIjY0IixbWyJOb3QpQTtCcmFuZCIsIjk5LjAuMC4wIl0sWyJHb29nbGUgQ2hyb21lIiwiMTI3LjAuNjUzMy44OSJdLFsiQ2hyb21pdW0iLCIxMjcuMC42NTMzLjg5Il1dLDBd&dt=1722928736962&bpp=3&bdt=578&idt=591&shv=r20240801&mjsv=m202407300101&ptt=9&saldr=aa&abxe=1&cookie=ID%3D6bf3eefe49031f83%3AT%3D1721367059%3ART%3D1722928621%3AS%3DALNI_MacAfAOJA8VyURIyKJCZKOtEk96_Q&eo_id_str=ID%3D253fe466b124068d%3AT%3D1721367059%3ART%3D1722928621%3AS%3DAA-Afja3CR3UFVWEVuVSmzApOeu3&prev_fmts=0x0&nras=1&correlator=3228011079362&frm=20&pv=1&rplot=4&u_tz=240&u_his=4&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=2072&biw=1519&bih=695&scr_x=0&scr_y=0&eid=44759875%2C44759926%2C44759842%2C42532523%2C95334524%2C95334828%2C95337027%2C95337868%2C95338227%2C31085751%2C95335246%2C31084184%2C95339228%2C95336266%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=1810149310170458&tmod=1265794889&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C695&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=0&psd=W251bGwsbnVsbCwibGFiZWxfb25seV8xIiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=609

Mükafatlar və atomlar

An dedi ki, tədqiqatçıların proqram texnologiyası üçün iki açar var: gücləndirici öyrənmə adlanan maşın öyrənmə növü və simulyasiya prosesini iştirak edən atomların mövqeləri ilə əlaqələndirmək.

Deyilən gücləndirici öyrənmə, hərəkətləri təşviq etmək üçün mükafatlardan istifadə edərək bir iti öyrətmək kimidir. Gücləndirici öyrənmədə kompüterlər müvafiq mükafatlar axtararkən öz hərəkətlərindən öyrənirlər. Bu halda, mükafatlar ən yaxşı, ən səmərəli, ən aşağı qiymətli reaksiya yolunu tapmaqdan ibarətdir.

Metod, qrafik emal vahidləri və yüksək məhsuldarlıq strategiyaları ilə istifadə edildikdə, minlərlə potensial yoldan optimal reaksiya yolunu tez və avtomatik müəyyən edə bilər, An dedi. Bu, real kimyəvi reaksiyalardakı son dərəcə səs-küylü məlumatlar arasında canlı reaksiya mexanizmlərini effektiv şəkildə müəyyən edir.

Tədqiqatçılar həmçinin katalitik reaksiyaların ümumi tədqiqi üçün faydalı olmaq üçün texnologiya qurdular. Tədqiqatlar enerji landşaftında xəritələşdirilmiş atomların mövqeləri ilə başlayır. Bu kifayətdir—tədqiqatçılar reaksiya mühitinin daha spesifik təsviri ilə, o cümlədən konkret reaksiya üçün vəziyyətlər, hərəkətlər və ya mükafatlarla başlamalı deyillər.

An və onun əməkdaşları layihə üzərində təxminən iki il çalışıblar. Bu, An Ayova ştatına köçdükdən sonra başladı və universitetin başlanğıc fondları tərəfindən dəstəkləndi.

Onun sözlərinə görə, sistemin ammonyak yaradan reaksiya üçün hesablamaları konsepsiyanın sübutu kimi qəbul edilir.

“Bu, bizə reaksiya mexanizmini anlamağa imkan verir” dedi An. “Biz ammonyak sintezində mühüm reaksiya mərhələlərini görə bilirik.”

Tədqiqatçıların bu reaksiyanın içərisinə uğurlu nəzər salması “kompleks katalitik kimyəvi reaksiyaların avtomatik tədqiqinə imkan verir” deyə yazdılar və “gələcək tədqiqatlar və kəşflər üçün perspektivli bir yanaşma təklif etdilər”.

Daha çox məlumat: Tian Lan et al, Katalitik reaksiya mexanizmlərini araşdırmaq üçün ilk prinsiplərlə yüksək məhsuldarlıqlı dərin möhkəmləndirmə öyrənilməsinə imkan verilməsi, Təbiət Əlaqələri (2024). DOI: 10.1038/s41467-024-50531-6

Jurnal məlumatı: Nature Communications 

Ayova Dövlət Universiteti tərəfindən təmin edilmişdir