Pesquisadores do Instituto de Ciências Básicas da Coreia do Sul desenvolveram modelo de inteligência artificial capaz de unir conhecimentos de diferentes famílias de catalisadores. A técnica, publicada na revista Nature Materials, representa avanço na descoberta de materiais para produção de hidrogênio verde.
O principal desafio da eletrólise da água para gerar hidrogênio sem emissões de carbono é a reação de evolução de oxigênio. Essa etapa consome muita energia e ocorre lentamente, exigindo catalisadores mais eficientes para viabilizar economicamente o hidrogênio verde em larga escala.
A busca tradicional por catalisadores se limitava a uma única família de materiais. O diretor Hyeon Taeghwan, do Centro de Pesquisa de Nanopartículas do IBS, explicou que o objetivo é encontrar o melhor catalisador entre todos os sistemas materiais possíveis.
Para superar essa limitação, os cientistas criaram a Rede Neural de Cruzamento. O modelo aprendeu simultaneamente com dois grupos distintos: catalisadores de átomo único suportados em carbono e catalisadores de óxido de perovskite.
O primeiro grupo revela como átomos metálicos individuais se comportam nas superfícies. O segundo fornece informações sobre a influência das estruturas cristalinas no desempenho catalítico.
A inteligência artificial combinou esses conhecimentos e previu o desempenho de uma família inédita de catalisadores. Átomos metálicos isolados ancorados em partículas de óxido de perovskite uniram vantagens da engenharia de superfície e do design do volume do cristal.
A equipe desenvolveu processo automatizado de seleção de descritores químicos. O modelo combinou análise estatística e processamento de linguagem natural para identificar fatores-chave correlacionados com a atividade catalítica.
Os pesquisadores sintetizaram e testaram doze catalisadores indicados pela IA. O algoritmo previu corretamente a classificação de atividade de todos eles dentro dessa classe inexplorada de materiais.
O coautor Moon Junseok destacou que a IA não memorizou dados existentes. Ela foi capaz de julgar quais catalisadores teriam melhor desempenho em um sistema completamente novo.
A abordagem foi expandida para catalisadores multimetálicos. A inteligência artificial analisou 8.008 combinações computacionais e identificou a estrutura mais promissora.
O catalisador selecionado superou todos os óxidos de perovskite estudados anteriormente. Também superou catalisadores de átomo único suportados em carbono e todos os materiais monometálicos sintetizados na pesquisa.
A IA forneceu princípios de design interpretáveis. Revelou as interações sinérgicas entre átomos metálicos vizinhos que intensificam o desempenho na evolução de oxigênio.
O diretor Hyeon sublinhou que a inteligência artificial conectou conhecimentos de famílias químicas distintas. O modelo projetou uma classe de catalisadores inteiramente nova, rompendo fronteiras convencionais da pesquisa.
A estrutura conceitual desenvolvida pode ser estendida para outras áreas. Baterias, armazenamento de energia e descoberta de medicamentos são campos potenciais de aplicação.
Leia mais sobre o assunto na phys.org.
? Inscreva-se na Newsletter de O Cafezinho
Receba nossas análises e as principais notícias diárias do Brasil e do Sul Global.
Nenhum comentário ainda, seja o primeiro!