Forskere ved Indian Institute of Science (IISc) har identifisert tusenvis av kjemiske reaksjoner som tidligere ikke var med i modellene for å omdanne karbondioksid (CO₂) til nyttige produkter. Studien kan bidra til utviklingen av mer effektive katalysatorer for produksjon av blant annet metanol.

Ved å kombinere maskinlæring med avanserte datamodeller fant forskerne 9 389 individuelle reaksjoner på overflaten av en kobberkatalysator. Flere av reaksjonene åpnet for kjemiske veier som konvensjonelle modeller ikke hadde fanget opp.

Et nettverk med tusenvis av reaksjoner

En lovende metode for å resirkulere CO₂ er hydrogenering. Prosessen bruker en katalysator for å få CO₂ til å reagere med hydrogen og danne kjemikalier som metanol. På katalysatorens overflate skjer det imidlertid et stort antall enkeltreaksjoner.

Å simulere hvert eneste mulige trinn med kvantemekanikk ville kreve svært mye datakraft. Derfor begrenser forskere vanligvis modellene til reaksjonene de antar er viktigst. En slik forenkling kan samtidig utelate reaksjoner som har stor betydning for sluttresultatet.

«Vi begynte med en bekymring som er kjent for alle som arbeider med mekanistisk modellering: Hvordan vet du at reaksjonsnettverket ditt ikke har utelatt det ene trinnet som betyr noe?»

Det sier førsteforfatter Anand Mohan Verma. Han gjennomførte arbeidet som CV Raman-postdoktor ved IISc og er nå førsteamanuensis ved Motilal Nehru National Institute of Technology Allahabad.

Forskerne startet med kvantemekaniske simuleringer for å bygge en database med 152 kjemiske reaksjoner. Deretter trente de maskinlæringsmodeller til raskt å anslå hvilke energibarrierer andre mulige reaksjoner måtte overvinne.

Ved hjelp av automatiserte beregningsverktøy undersøkte forskerne mulige reaksjoner mellom 105 kjemiske arter på katalysatoroverflaten. De kartla også hvilke omdanninger som kunne skje i ett enkelt reaksjonstrinn. Dermed ble nettverket utvidet fra 152 til 9 389 reaksjoner.

Ga et helt annet bilde av CO₂-omdanningen

Forskjellen mellom modellene var betydelig. Da forskerne brukte det mindre nettverket, pekte modellen ut maursyre som hovedprodukt i stedet for metanol. Den beregnet også en langt lavere CO₂-konvertering enn det forsøk viste.

«Da vi modellerte prosessen med de 152 reaksjonene som først ble vurdert, forutså nettverket feilaktig maursyre, ikke metanol, som hovedprodukt, og undervurderte hvor mye CO₂ som ble omdannet. Først da vi utvidet nettverket til å omfatte tusenvis av flere, tidligere oversette reaksjoner, samsvarte beregningene med det vi og andre ser eksperimentelt»,

forklarer Ananth Govind Rajan, som er ansvarlig for korrespondansen i studien og førsteamanuensis ved Institutt for kjemiteknikk ved IISc.

Da forskerne la det større reaksjonsnettverket inn i en modell som også beregner hvor raskt prosessene skjer, økte den beregnede CO₂-konverteringen med omtrent 40 ganger sammenlignet med den opprinnelige modellen.

Den utvidede modellen identifiserte samtidig metanol og karbonmonoksid som viktige produkter. Dermed samsvarte resultatene bedre med eksperimentelle funn.

Den eksperimentelle valideringen ble utført av G Valavarasu og Santhosh Kotni ved Hindustan Petroleum Corporation Limiteds Green Research and Development Centre, sammen med Amol Amrute og kolleger ved Agency for Science, Technology, and Research i Singapore. Ambedkar Dukkipati, professor ved Institutt for datavitenskap og automatisering ved IISc, bidro også til maskinlæringsmodellene.

Fant en uventet rolle for hydrogen

Det store reaksjonsnettverket avdekket ikke bare flere mulige reaksjoner. Det viste også en uventet mekanisme for hvordan hydrogen kan delta i prosessen.

I flere viktige reaksjonstrinn kunne hydrogen overføres direkte til mellomliggende kjemiske forbindelser som intakte H₂-molekyler, i stedet for først å bli delt opp i separate hydrogenatomer. Flere kvantemekaniske beregninger bekreftet at denne veien kan være særlig gunstig når hydrogen overføres til mellomprodukter som inneholder oksygen.

Funnet utfordrer en langvarig antakelse om hvordan hydrogen deltar i katalytiske reaksjoner. Det kan også gi informasjon som brukes til å utvikle katalysatorer som gjør prosessen mer effektiv.

«Tanken på at hydrogen kan overføres som et intakt molekyl, uten først å bli delt opp i atomer, strider mot det de fleste av oss har lært»,

sier Shivam Chaturvedi, doktorgradsstudent ved Institutt for kjemiteknikk ved IISc.

«Dette kom først til syne fordi nettverket var stort nok til å åpne for det, og observasjonen holdt da vi gikk tilbake og beregnet disse trinnene eksplisitt. Det tyder også på at katalysatorer som samspiller sterkere med H₂, potensielt kan styrke reaksjonsveier som leder til metanol.»

Forskerne mener mekanismen kan bidra til utviklingen av katalysatorer som samhandler mer effektivt med molekylært hydrogen. Målet er å forbedre de kjemiske reaksjonsveiene som produserer metanol fra CO₂.

Kan brukes på flere industrielle prosesser

Metoden er ikke begrenset til hydrogenering av CO₂. Ved å kombinere kvantemekaniske simuleringer, maskinlæring, automatisert identifisering av kjemiske reaksjoner og modeller for reaksjonshastighet, kan rammeverket også brukes til å undersøke andre industrielle prosesser.

Mulige bruksområder omfatter CO₂-reduksjon med andre katalysatorer, nitrogenreduksjon og spalting av vann. Ved å synliggjøre kjemiske trinn som enklere modeller kan gå glipp av, kan metoden gi forskere et mer komplett bilde av kompliserte katalytiske reaksjoner og nye muligheter for å forbedre produksjonen av drivstoff og industrikjemikalier.