Prévia do material em texto
1/3 Inversamente projetando novos materiais para separação de gás natural Uma nova estratégia de aprendizado de máquina procura propriedades de materiais desejáveis em vez de blocos de construção, que os pesquisadores esperam que levem a melhores materiais para ajudar a desencadear uma economia verde. A inteligência artificial permitiu o design inverso MOF. Gráfico cortesia do Dr. Zhenpeng Yao, Universidade de Toronto O gás natural e o biogás são uma fonte potencial de metano (CH 44) e CO 2 para produtos químicos de matérias- primas, desde que possam ser separados. O componente CH 4 pode servir como matéria-prima para produtos químicos, combustível e para aquecimento de casas, edifícios e processos industriais com energia termicamente, enquanto o CO2 pode ser usado como matéria-prima para produzir produtos químicos e combustíveis renováveis. Em conjunto, os CH 4 e o CO2 – dois potentes gases de efeito estufa – podem ser convertidos em uma matéria- prima química renovável que pode ser usada para gerar produtos químicos de commodities verdes, como hidrogênio e monóxido de carbono, ambos permitindo uma economia sustentável (ver, por exemplo, www.solistra.ca). Materiais porosos com estruturas de superfície que são baseadas em matrizes periódicas de vazios em nanoescala são conhecidos pela separação de gás com base no tamanho, forma e energia de adsorção das moléculas constituintes - os mais célebres dos quais historicamente são zeólitas e peneiras moleculares. A descoberta subsequente de que os sólidos nano porosos podem permear a tabela periódica dos elementos expandiu muito as oportunidades para melhorar os indicadores de desempenho de separação de gás, sendo os exemplos aluminofosfato ALPO, silicoluminofosfato, SAPO, aluminofosfato metálico MeAPO e as peneiras http://www.solistra.ca/ 2/3 moleculares de silicoluminofoto metálico, bem como estrutura orgânica de metal (MOF), estrutura orgânica covalente (COF) e estrutura de imidazolato de zinco. Para procurar materiais de separação de gás campeões experimentalmente e computacionalmente, as principais propriedades de interesse incluem área de superfície e tamanho do poro, energia de adsorção e capacidade. Os MOFs são excepcionais a esse respeito devido ao espaço de composição essencialmente infinito que eles pretendam e, portanto, as possibilidades colossais que oferecem para afinar as propriedades que sustentam a absorção e separação eficientes de gases como CH 4 e CO 22. Neste contexto, um relatório recente descreveu uma estratégia inversa de aprendizado de máquina para a descoberta acelerada de MOFs de alto desempenho que podem afetar esse importante processo de separação de gás. Tem havido um monte de pesquisa de modelo generativo sobre moléculas, e muitos em sólidos. Os MOFs estão “em algum lugar entre os dois”, que preenchem moléculas e sólidos cristalinos e adicionam toneladas de complexidade. Essa estratégia é semelhante ao design autônomo de moléculas em química orgânica, que envolve o processo de codificação: redução de dimensão e conversão de moléculas discretas em vetores contínuos usando redes neurais seguidas do processo de decodificação. As representações contínuas permitem a geração automática de novas moléculas por amostragem do espaço latente. Mais importante ainda, eles também fazem o uso de uma poderosa otimização baseada em gradiente possível para orientar eficientemente a busca por moléculas funcionais otimizadas. Ilustração da plataforma de design inverso automático para estruturas MOF empoderadas por um autoencodificador variacional supramolecular. Gráfico cortesia do Dr. Zhenpeng Yao, Universidade de Toronto Começando com a invenção de uma representação concisa, mas eficaz, para os MOFs, uma tática semelhante está sendo adotada em buscas de materiais computacionais, pelo qual, em vez de selecionar blocos de construção / precursores para criar um material com propriedades direcionadas para alcançar uma funcionalidade desejada, o processo está sendo executado em sentido inverso, de modo que uma funcionalidade desejada é estipulada e os blocos de construção / precursores para criar as propriedades para gerar a funcionalidade são procurados. Em uma demonstração da abordagem de design inverso das estruturas, a função da separação de gás CH4-CO2 foi escolhida. Ao definir a relação propriedade-função direcionada, a fim de otimizar a energia de adsorção, capacidade e seletividade da separação CH 4 -CO 2, o número de possíveis candidatos que oferecem a métrica 3/3 de desempenho desejada será significativamente reduzido em comparação com a abordagem direta, aumentando assim as chances de realizar o material sinteticamente. Entre os principais candidatos identificados, o MOF campeão que surgiu deste estudo apresentou uma capacidade de adsorção de CO 2 de 7,55 mol/kg em 5 barras, 300K e uma baixa concentração de CO 22, com preferência de 16 em relação ao CH 4, desempenho que igualou ou melhorou os materiais de separação depóreos de cromoso de 4 -CO 2 de arte prévia. O teste da confiabilidade dessa busca maciça de design inverso será se os materiais são sintezáveis e se as previsões são nascidas experimentalmente por humanos e / ou máquinas. A conclusão deste estudo é retroceder na descoberta de materiais através de uma estratégia de design inverso pode significar avançar na ciência dos materiais e engenharia em direção a uma tecnologia prática. Referência: Yao, Z., et al., Projeto Inverso de Materiais Reticulares Cristalinos Nanoporosos com Modelos Gerativos Profundas, Inteligência da Máquina da Natureza (2021) DOI: 10.1038/s42256-020-00271-1 ASN WeeklyTradução Inscreva-se para receber nossa newsletter semanal e receba as últimas notícias científicas diretamente na sua caixa de entrada. ASN WeeklyTradução Inscreva-se no nosso boletim informativo semanal e receba as últimas notícias científicas. https://www.nature.com/articles/s42256-020-00271-1