Исследователи из Брукхейвенской национальной лаборатории (США) представили вычислительную методику на основе искусственного интеллекта, которая позволяет быстро определять наиболее эффективные катализаторы для преобразования диоксида углерода в метиловый спирт — важное топливо и химический продукт. Результаты работы приведены в издании hi-tech со ссылкой на Chem Catalysis.
Иллюстративное фото. Источник: msn.com
Ирина Медведева
Искусственный интеллект для ускорения открытий в катализе
Разработка новых катализаторов традиционно является длительным процессом, требующим многочисленных лабораторных испытаний. Предложенный американскими учеными метод использует многоуровневую модель машинного обучения. Она последовательно, шаг за шагом, отбирает наиболее перспективные материалы, имитируя логику рассуждений химика-экспериментатора.
На иллюстрации к статье изображен многокомпонентный каталитический процесс, смоделированный с применением метода Монте-Карло для генерации синтетических данных, используемых системой ИИ. Многоступенчатая классификационная система дает возможность виртуально тестировать катализаторы и предсказывать их активность и селективность.
На схеме показан мультимодальный каталитический процесс, смоделированный с помощью метода Монте-Карло для создания синтетического набора данных в системе машинного обучения. Многоуровневая система классификации позволяет тестировать катализаторы in silico и прогнозировать их активность и селективность. Источник: Chem Catalysis (2026). DOI: 10.1016/j.checat.2025.101611
Ученые опробовали эту систему на реакции каталитического гидрирования CO₂ до метанола. Показано, что она функционирует с большей точностью и скоростью по сравнению с обычными моделями. Данный подход позволяет комплексно оценивать два критически важных параметра катализатора: его активность (скорость превращения реагентов) и селективность (способность направлять реакцию преимущественно в сторону целевого продукта).
Подчеркивается, что предыдущие модели зачастую были неточны из-за недостатка надежных экспериментальных данных и упрощенного учета химической сущности процессов. Новая архитектура решает эти проблемы путем интеграции методов компьютерного моделирования и машинного обучения.
Алгоритм принятия решения при выборе оптимальной реакции каталитического гидрирования. Источник: sciencedirect.com
Экологическое и промышленное значение разработки
Метанол рассматривается как одно из перспективных альтернативных топлив. Его применение способствует снижению выбросов CO₂ и твердых частиц. При этом сам диоксид углерода перестает быть просто отходом, превращаясь в ценное сырье. Существуют также технологии, позволяющие перерабатывать метанол в бензин и олефины.
Как химическое сырье метиловый спирт широко используется при производстве:
- Формальдегида и синтетических смол на его основе, необходимых для изготовления пластиков, резины, древесно-стружечных плит, бетонных добавок и других материалов;
- Уксусной кислоты, применяемой в производстве лакокрасочной продукции, клеев, растворителей;
- Компонента для топлива авиамодельных двигателей;
- Муравьиной кислоты, уротропина, различных ядохимикатов и средств защиты растений, белково-витаминных концентратов.
Метанол также добавляют в автомобильное топливо для повышения октанового числа, используют в качестве растворителя и для очистки нефти от меркаптановых примесей.
Метанол — самый производимый в мире технический спирт и при этом чрезвычайно токсичное вещество.
Основная сложность в реакции гидрирования CO₂ заключается в поиске баланса между скоростью и избирательностью: рост температуры ускоряет процесс, но уменьшает выход метанола из-за активизации побочных реакций. Кроме того, широко используемые с прошлого века медные катализаторы нуждаются в усовершенствовании, поскольку их активность и стабильность в ходе процесса ограничены.
Журнал "Химагрегаты" следит за достижениями современной науки. Недавно мы рассказали о том, что в Сеченовском университете начали синтезировать полимерные композиты с заданными свойствами.