Əsas Elmlər İnstitutu tərəfindən

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Tədqiqatçılar karbonla dəstəklənən tək atomlu katalizatorlardan və perovskit oksid katalizatorlarından məlumatları birləşdirən maşın öyrənmə modeli hazırladılar. Model, təlimə daxil olmayan yeni bir material sinfinin – perovskit oksidləri üzərində dəstəklənən tək atomlu katalizatorların fəaliyyətini proqnozlaşdırır. Katalizatorun səth atom düzülüşü görüntü məlumatı, oksidin həcm quruluşu isə qrafik məlumatı kimi öyrənilir. Tək atomlu katalizatorlardan səth dizaynı biliklərini perovskit oksidlərindən həcm quruluşu bilikləri ilə birləşdirərək, model qələvi oksigen təkamülü reaksiyası üçün katalizatorların həddindən artıq potensialını proqnozlaşdırır. Mənbə: Əsas Elmlər İnstitutu

Yeni katalizatorların kəşfi yaşıl hidrogen istehsalı kimi təmiz enerji texnologiyalarının inkişaf etdirilməsində əsas çətinliklərdən biridir. Lakin katalizatorların kəşfi ənənəvi olaraq fərdi material ailələri daxilində məhdud qalmış və tədqiqatçıların kimyəvi cəhətdən fərqli sistemlər arasında bilik ötürmək imkanlarını məhdudlaşdırmışdır.

Süni intellekt ayrı-ayrı katalizator ailələrini birləşdirir

Təməl Elmlər İnstitutunun (İBS) Nanohissəciklər Tədqiqatları Mərkəzinin direktoru Hyeon Taeghvanın rəhbərlik etdiyi tədqiqat qrupu, katalizatorları tamamilə yeni bir şəkildə – müxtəlif katalizator ailələri arasındakı bilikləri birləşdirərək kəşf edən süni intellekt (Sİ) çərçivəsi hazırlayıb. İş Nature Materials jurnalında dərc olunub .

Yaşıl hidrogen istehsalında ən böyük çətinliklərdən biri su elektrolizi zamanı baş verən oksigen ayrılma reaksiyasıdır (OER). Su elektrolizi birbaşa karbon emissiyası olmadan hidrogen istehsal edə bilsə də, oksigen ayrılma mərhələsi yavaşdır və çoxlu miqdarda enerji tələb edir. Buna görə də, yaşıl hidrogen istehsalının səmərəliliyini artırmaq üçün daha yaxşı katalizatorların hazırlanması vacibdir.

Ənənəvi olaraq, katalizatorların kəşfi əsasən tək bir material ailəsi daxilində aparılmışdır. Tədqiqatçılar oksid katalizatorları, metal katalizatorları və ya tək atomlu katalizatorlar arasından ən yaxşı katalizatoru ayrıca axtaracaqlar. Lakin, ən yaxşı katalizator yalnız bir qrupu optimallaşdırmaq əvəzinə, birdən çox material ailəsinin gücünü birləşdirməklə ortaya çıxa bilər.

Direktor Hyeon bildirib ki, “Əsas məqsəd sadəcə bir kateqoriya daxilində ən yaxşı katalizatoru tapmaq deyil. Tədqiqatçıların həqiqətən istədiyi şey bütün mümkün material sistemləri arasında ən yaxşı katalizatoru müəyyən etməkdir. Biz süni intellektin müxtəlif katalizator ailələrindən bilikləri birləşdirə və tamamilə yeni katalizator siniflərini kəşf etmək üçün istifadə edə biləcəyini nümayiş etdirmək istədik.”_{Maşın öyrənmə modelindən istifadə edərək, tədqiqatçılar W, Mo, Ru və Rh tək atomlarının müvafiq olaraq 0,2, 0,1, 0,1 və 0,1 çəki% -ində Ca 0,8} Pr _0,2 Co _0,8 Fe _0,2 O _3 −δ səthində lövbər saldığı çoxmetallik tək atomlu katalizator müəyyən etdilər . Bu katalizator əvvəllər öyrənilmiş perovskit oksid katalizatorlarına nisbətən daha aşağı potensial, karbonla dəstəklənən tək atomlu katalizatorlara nisbətən daha yüksək dövriyyə tezliyi və bu tədqiqatda sintez edilmiş perovskit oksidləri üzərində tək atomlu katalizatorlar arasında ən yaxşı performans göstərdi. Daha aşağı potensial və daha yüksək dövriyyə tezliyi üstün katalitik aktivliyi göstərir. Mənbə: Əsas Elmlər İnstitutu

Çarpaz neyron şəbəkəsi necə işləyir

Buna nail olmaq üçün tədqiqatçılar Çarpaz Breeding Neyron Şəbəkəsi (CBNN) adlı dərin öyrənmə modeli hazırladılar. Süni intellekt eyni vaxtda iki fərqli katalizator qrupundan öyrəndi: karbon materialları üzərində dəstəklənən tək atomlu katalizatorlar və perovskit oksid katalizatorları.

Bu iki katalizator ailəsi fərqli məlumat növləri təqdim edir. Tək atomlu katalizatorlar fərdi metal atomlarının katalizator səthlərində necə davrandığını aşkar etməyə kömək edir, perovskit oksidləri isə həcmli kristal strukturlarının katalitik performansa necə təsir etdiyi barədə məlumat verir.

Bu iki bilik mənbəyini birləşdirərək, süni intellekt əvvəllər heç vaxt rastlaşmadığı tamamilə yeni bir katalizator ailəsinin – perovskit oksidləri üzərində dəstəklənən tək atomlu katalizatorların işini proqnozlaşdıra bildi.

Bu hibrid katalizator sistemində fərdi metal atomları perovskit oksid hissəciklərinin səthlərinə bərkidilir və həm səth mühəndisliyinin, həm də toplu kristal dizaynının üstünlüklərini özündə birləşdirir.

Əsas kimyəvi təsvirlər və sınaqlar

Proqnoz dəqiqliyini artırmaq üçün tədqiqatçılar həmçinin statistik təhlil və təbii dil emalını (NLP) birləşdirən avtomatlaşdırılmış təsviri seçmə prosesi hazırladılar. Süni intellekt hər iki katalizator ailəsində katalitik aktivliklə güclü əlaqəli bir neçə əsas kimyəvi amili, o cümlədən oksidləşmə dərəcəsi, ion radiusu, valentlik d-elektron sayı, elektronmənfilik və koordinasiya ədədini müəyyən etdi.

Tədqiqatçılar daha sonra süni intellekt tərəfindən proqnozlaşdırılan katalizatorları eksperimental olaraq sintez edib sınaqdan keçirdilər. Maraqlıdır ki, süni intellekt əvvəllər araşdırılmamış bu material ailəsində sınaqdan keçirilmiş 12 katalizatorun aktivlik dərəcəsini düzgün proqnozlaşdırdı.

“Bu nəticə göstərir ki, süni intellekt sadəcə mövcud məlumatları əzbərləməyib”, – deyə həmmüəllif Mun Cunsok bildirib. “Model, əvvəllər heç görmədiyi tamamilə yeni bir material ailəsində belə, hansı katalizatorların daha yaxşı işləyəcəyini müəyyən edə bilib.”

Gündəlik məlumat üçün Phys.org-a etibar edən 100.000-dən çox abunəçi ilə elm, texnologiya və kosmosdakı ən son yenilikləri kəşf edin . Pulsuz bülletenimizə abunə olun və vacib olan nailiyyətlər, innovasiyalar və tədqiqatlar haqqında gündəlik və ya həftəlik yeniliklərdən xəbərdar olun .

Monometallikdən multimetallik dizaynlara qədər

Tədqiqatçılar daha sonra yanaşmanı eyni anda bir neçə fərqli tək metal atomu ehtiva edən çoxmetallik katalizatorlara genişləndirdilər. Süni intellekt hesablama yolu ilə 8008 katalizator namizədini araşdırdı və ən perspektivli strukturu müəyyən etdi: kalsium-prazeodymium kobalt dəmir oksidi perovskit dayağına (Ca _0.8 Pr 0.2 Co _0.8 Fe _0.2 O _3−δ , qısaldılmış CPCF) lövbərlənmiş volfram (W), molibden (Mo), rutenium ( Ru ) və _rodium (Rh) atomlarını ehtiva edən çoxmetallik tək atomlu katalizator .

Eksperimental validasiya bu katalizatorun əvvəllər öyrənilmiş perovskit oksid katalizatorlarından, karbonla dəstəklənən tək atomlu katalizatorlardan və bu tədqiqatda sintez edilmiş bütün monometal katalizatorlardan daha yaxşı nəticə göstərdiyini təsdiqlədi.

İzah edilə bilən süni intellekt və daha geniş təsirlər

Əhəmiyyətli olan odur ki, süni intellekt modeli yalnız ədədi proqnozlar əvəzinə, həm də interpretasiya edilə bilən dizayn prinsipləri təqdim etmişdir. Tədqiqatçılar müəyyən atom mühitlərinin katalitik aktivliyə necə təsir etdiyini vizuallaşdırmaq üçün izah edilə bilən süni intellekt texnikalarından istifadə etmiş və oksigen təkamülü performansını artıran qonşu metal atomları arasında sinergetik qarşılıqlı təsirlər müəyyən etmişlər.

Direktor Hyeon bildirib ki, “Bu işin əhəmiyyəti ondadır ki, süni intellekt sadəcə əvvəlcədən müəyyən edilmiş material qrupu daxilində namizədləri seçməyib. Bunun əvəzinə, o, müxtəlif katalizator ailələri arasında bilikləri birləşdirib və bu biliklərdən tamamilə yeni bir material sinfini proqnozlaşdırmaq üçün istifadə edib.”

Tədqiqatçılar deyirlər ki, bu çərçivə katalizator kəşfindən kənara çıxaraq batareyalar, enerji saxlama materialları və dərman kəşfi kimi daha geniş sahələri də əhatə edə bilər, burada heterojen eksperimental məlumat dəstlərinin inteqrasiyası böyük bir problem olaraq qalır.

“Süni intellekt müxtəlif maddi ailələr arasında ortaq olan dili öyrəndikdə, insanlar tərəfindən əvvəlcədən müəyyən edilmiş namizəd məkanlarından kənarda tamamilə yeni dizayn istiqamətləri təklif edə bilər”, – deyə Mun bildirib. “Bu iş daha ümumiləşdirilə bilən materiallar üçün süni intellekt istiqamətində mühüm bir addımdır.”

Nəşr detalları

Junseok Moon və digərləri, Dərin öyrənmə yolu ilə çarpaz material katalizatorunun kəşfi, Nature Materials (2026). DOI: 10.1038/s41563-026-02622-6

Jurnal məlumatları: Təbiət materialları 

Təməl Elmlər İnstitutu tərəfindən təmin edilir