Les ingénieurs développent une technologie générale à grande vitesse pour modéliser et comprendre les réactions catalytiques
Cette illustration montre comment la technologie de l’intelligence artificielle (le robot) examine une réaction chimique : de droite à gauche, l’azote (rouge) et l’hydrogène (jaune), avec l’aide d’un catalyseur de fer (marron), réagissent dans un paysage énergétique complexe pour produire de l’ammoniac (rouge et jaune combinés). Crédit : Qi An.
Les chercheurs étudient la production industrielle d’ammoniac depuis un siècle. Mais ils peinent à trouver des moyens d’améliorer ce procédé peu efficace et peu rentable.
L’azote atmosphérique réagit avec l’hydrogène à l’aide d’un catalyseur à base de fer pour produire de l’ammoniac. Cette réaction produit beaucoup d’ammoniac : la production mondiale s’élève à 160 millions de tonnes par an. La majeure partie est utilisée dans l’agriculture, notamment comme engrais azoté. On l’utilise également dans de nombreuses industries, notamment dans la réfrigération pour la production d’aliments et de boissons. Nous le connaissons tous comme nettoyant ménager.
Une équipe de recherche dirigée par Qi An, professeur associé de science des matériaux et d’ingénierie à l’Université d’État de l’Iowa, a développé une technologie d’intelligence artificielle qui pourrait trouver des moyens d’améliorer la compréhension des chercheurs des réactions chimiques impliquées dans la production d’ammoniac et d’autres réactions chimiques complexes.
« Notre cadre HDRL-FP développé a le potentiel de contribuer de manière significative à l’optimisation de ce processus, en réduisant potentiellement les coûts de production et les émissions de CO₂, et en facilitant la création d’usines plus petites et plus répandues », ont écrit les chercheurs dans un article récemment publié en ligne par la revue Nature Communications« Par conséquent, le cadre met en évidence son efficacité et son potentiel pour prédire les voies de réactions chimiques complexes. »
HDRL-FP signifie High-Throughput Deep Reinforcement Learning with First Principles (apprentissage par renforcement profond à haut débit avec premiers principes). An et ses collaborateurs et co-auteurs, Tian Lan et Huan Wang de Salesforce AI Research en Californie, affirment que cette technologie regorge de potentiel.
« L’exploration des mécanismes de réaction catalytique est essentielle pour comprendre les processus chimiques, optimiser les conditions de réaction et développer des catalyseurs plus efficaces », ont-ils écrit.
Des récompenses et des atomes
Selon An, la technologie logicielle des chercheurs repose sur deux éléments clés : un type d’apprentissage automatique appelé apprentissage par renforcement et la connexion du processus de simulation aux positions des atomes impliqués.
L’apprentissage par renforcement est comparable au dressage d’un chien en utilisant des récompenses pour encourager les actions. Dans l’apprentissage par renforcement, les ordinateurs apprennent de leurs actions tout en recherchant des récompenses appropriées. Dans ce cas, les récompenses consistent à trouver le chemin de réaction le meilleur, le plus efficace et le moins coûteux.
La méthode, lorsqu’elle est utilisée avec des unités de traitement graphique et des stratégies à haut débit, peut identifier rapidement et automatiquement la voie de réaction optimale parmi des milliers de voies potentielles, a déclaré An. Cela permet d’identifier efficacement les mécanismes de réaction viables au milieu des données extrêmement bruyantes des réactions chimiques réelles.
Les chercheurs ont également conçu cette technologie pour qu’elle soit utile aux études générales sur les réactions catalytiques. Les études commencent par la cartographie des positions des atomes sur un paysage énergétique. Cela suffit : les chercheurs n’ont pas besoin de commencer par une représentation plus spécifique de l’environnement de réaction, y compris les états, les actions ou les récompenses pour une réaction particulière.
An et ses collaborateurs travaillent sur ce projet depuis environ deux ans. Il a débuté lorsqu’An a déménagé à l’université d’État de l’Iowa et a été soutenu par les fonds de démarrage de son université.
Il a déclaré que les calculs du système pour la réaction produisant de l’ammoniac sont considérés comme une démonstration de preuve de concept.
« Cela nous permet de comprendre le mécanisme de réaction », a déclaré An. « Nous sommes en mesure de voir des étapes de réaction importantes dans la synthèse de l’ammoniac. »
L’observation réussie des chercheurs à l’intérieur de cette réaction « permet d’étudier automatiquement des réactions chimiques catalytiques complexes », ont-ils écrit, « offrant une approche prometteuse pour les recherches et découvertes futures ».
Plus d’information:
Tian Lan et al., Permettre un apprentissage par renforcement profond à haut débit avec les premiers principes pour étudier les mécanismes de réaction catalytique, Nature Communications (2024). DOI : 10.1038/s41467-024-50531-6
Fourni par l’Université d’État de l’Iowa
Citation:Les ingénieurs développent une technologie générale à grande vitesse pour modéliser et comprendre les réactions catalytiques (2024, 5 août) récupéré le 5 août 2024 à partir de
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre d’information uniquement.