Reaksiyanı gücləndirən katalizatorlar üçün ən ümidverici nəticələrdən bəziləri xüsusilə bir materialdan əldə edilir: qalay (Sn). Sn-nin katalizator kimi ümumi faydası yaxşı məlum olsa da, onun əsas strukturu-performans əlaqəsi zəif başa düşülür ki, bu da onun potensialını maksimum dərəcədə artırmaq qabiliyyətimizi məhdudlaşdırır.

Bu bilik boşluğunu aradan qaldırmaq üçün Tohoku Universitetinin Qabaqcıl Material Tədqiqat İnstitutunun (WPI-AIMR) tədqiqatçıları Sn katalizator fəaliyyətini xarakterizə etmək üçün maşın öyrənməsindən istifadə etdilər. Əsər Advanced Functional Materials jurnalında dərc olunub .

Yüksək dəqiqlikli simulyasiyalar tədqiqatçılara sürətli və sadəcə olaraq yüksək performanslı kompleks katalizatorlar hazırlamağa kömək edən oyun dəyişdirici ola bilər.

WPI-AIMR-dən Hao Li izah edir: “Bu katalizatorların bu qədər vacib olmasının səbəbi odur ki, onlar zərərli karbon dioksidi-CO _{2- ni} bərpa olunan elektrik enerjisindən istifadə edərək karbon əsaslı yanacağa çevirə , enerji çatışmazlığına və iqlim dəyişikliyinə davamlı həll təklif edə bilər”.

“Bu tədqiqatın məqsədi cəmiyyətimizi karbon neytrallığına doğru istiqamətləndirməkdir.”

_{Sn katalizatorlarını yaxından araşdırmaq üçün onlar SnO 2} / SnS ₂ -nin yenidən qurulmuş konfiqurasiyalarını uğurla ələ keçirərək irimiqyaslı molekulyar dinamika simulyasiyalarını yerinə yetirmək üçün maşın öyrənmə potensialından istifadə etdilər . Bu yanaşma müxtəlif Sn əsaslı katalizatorları müəyyən etmək üçün 1000-dən çox eksperimental ədəbiyyat mənbəyindən alınan məlumatlardan istifadə etmişdir.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1645945215&adf=308666314&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1751870232&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-07-machine-ph-tin-catalysts.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM4LjAuNzIwNC45NyIsbnVsbCwwLG51bGwsIjY0IixbWyJOb3QpQTtCcmFuZCIsIjguMC4wLjAiXSxbIkNocm9taXVtIiwiMTM4LjAuNzIwNC45NyJdLFsiR29vZ2xlIENocm9tZSIsIjEzOC4wLjcyMDQuOTciXV0sMF0.&dt=1751870232444&bpp=1&bdt=109&idt=21&shv=r20250630&mjsv=m202507020101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1751870046%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1751870046%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3D1241933dda87baba%3AT%3D1750839581%3ART%3D1751870046%3AS%3DAA-AfjZwPuiSAour3k16ZA1JtXua&prev_fmts=0x0%2C336x280%2C336x280%2C1200x280&nras=1&correlator=6966607239914&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1857&biw=1905&bih=945&scr_x=0&scr_y=0&eid=95353387%2C95362656%2C95365225%2C95365234%2C95365460%2C31093300%2C95365114%2C95359266%2C95365118%2C95365797%2C31092546&oid=2&pvsid=850298529176315&tmod=1118843946&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2Fpage2.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=3&fsb=1&dtd=164

“Laboratoriyada bütün bu təcrübələri yerinə yetirmək üçün günlər, aylar və hətta illərlə vaxt sərf etmək əvəzinə, diqqətimizi hansı laboratoriya əsaslı təcrübələrə yönəltmək barədə faydalı məlumat verə bilən bu mürəkkəb, verilənlərə əsaslanan simulyasiyaları işlədə bilərik” dedi Li.

Model tərəfindən müəyyən edilmiş katalizatorlar reversiv hidrogen elektrodu (RHE) miqyasında müxtəlif pH səviyyələrində onların fəaliyyətinə nəzarət edən simulyasiyalarda işlədilmişdir.

Tədqiqatçılar hər bir katalizatorun fərqli şəraitdə necə işlədiyini görmək üçün CO ₂ azaldılması reaksiyasını araşdırdılar. Əvvəlki ədəbiyyatdakı hesablamalar pH-asılılığın elektrokatalitik performansa təsirini dəqiq hesablamaq üçün mübarizə apardı, buna görə də bu nəticələr bu katalizatorların davranışı haqqında yeni anlayışlar təmin edir.

Bundan əlavə, simulyasiya nəticələri bu maşın öyrənmə texnikasının düzgünlüyünü təsdiq edən faktiki eksperimental müşahidələrlə əla uyğunluğu göstərir.

Bu tədqiqat Sn-əsaslı katalizatorlar haqqında daha hərtərəfli anlayışın formalaşmasına kömək edir ki, onların tam potensialı ortaya çıxsın. Daha səmərəli katalizatorlar əlverişli qiymətə yaşıl yanacaq istehsalını gündəlik reallığa yaxınlaşdırır.

Gələcəkdə, tədqiqat qrupu daha dəqiq və universal təlim çərçivəsini inkişaf etdirmək üçün maşın öyrənmə potensialının təlim prosesini optimallaşdırmağı və bununla da eksperimental tapıntılar və nəzəri proqnozlar arasındakı boşluğu daha yaxşı aradan qaldırmağı planlaşdırır.

Bütün müvafiq eksperimental və hesablama məlumatları Hao Li laboratoriyası tərəfindən hazırlanmış ən böyük kataliz verilənlər bazası və rəqəmsal platforma olan Rəqəmsal Kataliz Platformasına ( DigCat ) yüklənmişdir .

Ətraflı məlumat: Yuhang Wang et al, Bridging Theory and Experiment: Sn-based katalizatorlarda pH-asılı CO₂ azaldılmasına dair maşın öyrənmə potensialına əsaslanan anlayışlar, qabaqcıl funksional materiallar (2025). DOI: 10.1002/adfm.202506314

Jurnal məlumatı: Təkmil Funksional Materiallar 

Tohoku Universiteti tərəfindən təmin edilmişdir