ingenieros químicos Virginia Tech esbozan nuevo enfoque para el diseño de materiales

Virginia Tech

Hongliang Xin y los miembros de su grupo de investigación de ingeniería química de Virginia Tech, y miembro de la facultad compañero Lucas Achenie desarrollado un novedoso enfoque que debería acelerar significativamente más materiales discovery.view

Crédito: Virginia Tech

Un enfoque novedoso que debe “acelerar significativamente el descubrimiento materiales” es el tema de un nuevo artículo en el Journal of Physical Chemistry Letters.

Los resultados revelan un modelo único que permite la predicción rápida y precisa de nuevos materiales de aleación de conversiones químicas eficientes.

Dos miembros de Virginia Tech Facultad de Ingeniería Química, Lucas Achenie y Hongliang Xin, además de Xianfeng Ma Li y Zheng del grupo de investigación de Xin, el autor del artículo en la revista revisada por pares.

“Este es el primer ejemplo de aprendizaje a partir de los datos en la catálisis. Anticipamos que este nuevo enfoque tendrá un gran impacto en el diseño de materiales en el futuro “, dijo Xin.

La catálisis es el aumento de la velocidad de una reacción química debido a la adición de una sustancia llamada un catalizador. Catalizadores vienen en varias formas, incluyendo: ácidos, metal sólido, nanopartículas, y grandes moléculas de proteínas o enzimas en los cuerpos humanos.

El noventa por ciento de los productos químicos industrialmente importantes se realizan utilizando catalizadores. Es un campo importante en la ciencia aplicada; de ahí la importancia del nuevo enfoque de los miembros de ingeniería química de Virginia Tech.

La mezcla de dos o más metales con estructuras atómicas muy precisas y composiciones “ha demostrado una gran promesa para catalizar muchas reacciones químicas y electroquímicas”, dijo Xin.

En el pasado, las pruebas de mezclas mixtas de metales ha producido nuevas propiedades físicas y químicas. “Sin embargo, el proceso es muy lento y costoso para buscar aleaciones altamente optimizados” utilizando los enfoques convencionales, Achenie añadió.

Por eso es que Achenie y Xin decidió utilizar los datos existentes para entrenar los algoritmos de computadora para hacer predicciones de nuevos materiales, un campo llamado aprendizaje automático. Este enfoque capta las interacciones complejas y no lineales de moléculas en superficies metálicas a través de redes neuronales artificiales, permitiendo de este modo “aleación de exploración espacial materiales a gran escala”, de acuerdo con su artículo.

Que específicamente se concentraron en la reducción electroquímica de dióxido de carbono en los electrodos metálicos “, debido al interés actual en este proceso para la producción sostenible de combustibles y productos químicos de valor añadido”, explicó Xin.

El dióxido de carbono (CO2) es un material industrial versátil, que se utiliza en todo, desde los extintores de incendios a la recuperación de petróleo a las bebidas carbonatadas, pero también es un gas importante de efecto invernadero. Conversión de CO2 en algo útil podría reducir drásticamente su emisión a la atmósfera y ayudar a aliviar el problema del calentamiento global.

Con su modelo y su enfoque de diseño, se han identificado algunos prometedores de cobre multi-metálicos con una mayor eficiencia de conversión de energía y, posiblemente, una mayor selectividad del dióxido de carbono electro-reducción de etileno, un producto químico extremadamente útil en la industria para la fabricación de plásticos.

“Este estudio abre un nuevo camino para el diseño de catalizadores basados ??en metales de complejidades, por ejemplo, la geometría y la composición, los promotores y los venenos, los defectos, y nano-efectos”, dijo Xin.

Leave a Reply

Your email address will not be published. Required fields are marked *