Найти в Дзене
Хайтек

В России создали ИИ‑сервис, который ускоряет разработку катализаторов в 5 раз

Исследователи Университета Иннополис разработали программный комплекс для моделирования каталитических процессов на основе глубокого обучения. Система предсказывает энергии активации и адсорбции на поверхности катализаторов в 1000–5000 раз быстрее традиционных квантово‑химических расчетов. Это сокращает время разработки новых катализаторов с 5–7 лет до 1–2 лет и снижает затраты на 40%. Сотрудники Института ИИ Университета Иннополис создали первый полностью отечественный софт для моделирования микрокинетики гетерогенных катализаторов. Проект поддержал Фонд науки и технологий Татарстана. Катализаторы ускоряют химические реакции, оставаясь в другой фазе, чем исходные вещества. Их используют при производстве аммиака с низким углеродным следом, переработке нефти и газа, синтезе полимеров, утилизации CO₂. Поиск новых катализаторов традиционными методами занимает 5–7 лет и требует десятков миллионов долларов. Разработчики применили ансамбль моделей глубокого обучения. Система предсказывает эн

Исследователи Университета Иннополис разработали программный комплекс для моделирования каталитических процессов на основе глубокого обучения. Система предсказывает энергии активации и адсорбции на поверхности катализаторов в 1000–5000 раз быстрее традиционных квантово‑химических расчетов. Это сокращает время разработки новых катализаторов с 5–7 лет до 1–2 лет и снижает затраты на 40%.

Сотрудники Института ИИ Университета Иннополис создали первый полностью отечественный софт для моделирования микрокинетики гетерогенных катализаторов. Проект поддержал Фонд науки и технологий Татарстана.

Катализаторы ускоряют химические реакции, оставаясь в другой фазе, чем исходные вещества. Их используют при производстве аммиака с низким углеродным следом, переработке нефти и газа, синтезе полимеров, утилизации CO₂. Поиск новых катализаторов традиционными методами занимает 5–7 лет и требует десятков миллионов долларов.

Разработчики применили ансамбль моделей глубокого обучения. Система предсказывает энергии активации и адсорбции на поверхности катализаторов с точностью 0,048–0,073 эВ. Это сопоставимо с квантово‑химическими расчетами, но в тысячи раз быстрее.

Впервые в мире ИИ‑предсказания объединили с микрокинетическими моделями. Это позволяет рассчитывать скорости реакций и прогнозировать выход продуктов для таких процессов, как сухой риформинг метана, гидрирование этилена и синтез аммиака.

Модели обучали на датасете из 640 тыс. DFT‑релаксаций и 133,9 млн атомных конфигураций. Библиотека адсорбатов включает 82 молекулы и фрагмента, значимые для водородной энергетики, переработки CO₂ и каталитического окисления.

Программный комплекс выпустили в двух версиях. Облачная предназначена для распределенных вычислений исследовательскими группами. Локальная для предприятий с требованиями к защите данных. Решение запатентовали, получили свидетельства Роспатента.

Разработчики ориентируются на рынки ЕАЭС, СНГ, Азии, Ближнего Востока и Латинской Америки. Они рассчитывают занять 5–7% глобального рынка ПО для химии и материаловедения. К 2030 году его объем прогнозируют на уровне 4–5 млрд долларов.

В планах расширить функционал на электрокатализ, фотокаталитические материалы, моделирование реакторов и тестирование полученных веществ. Также готовят SaaS‑версию для совместных проектов.

Читать далее:

Вселенная внутри черной дыры: наблюдения «Уэбба» подтверждают странную гипотезу

Испытания ракеты Starship Илона Маска вновь закончились взрывом в небе

Сразу четыре похожих на Землю планеты нашли у ближайшей одиночной звезды