La conception de nouveaux composés ou alliages dont les surfaces peuvent être utilisées comme catalyseurs dans les réactions chimiques peut être un processus complexe. Une équipe de chercheurs du MIT a développé une nouvelle approche utilisant l’apprentissage automatique pour fournir des informations plus détaillées que les méthodes conventionnelles.
Les surfaces des matériaux interagissent souvent avec leur environnement de manière dépendante de la configuration exacte des atomes en surface. Les méthodes habituellement utilisées pour caractériser les surfaces des matériaux sont statiques et ne permettent pas d’estimer toutes les variations possibles.
La nouvelle méthode développée par les chercheurs du MIT, appelée Automatic Surface Reconstruction framework, permet d’estimer ces variations en se basant sur quelques calculs de premiers principes choisis automatiquement par un processus d’apprentissage automatique itératif.
Des prédictions et une meilleure compréhension des matériaux
En utilisant moins de 5 000 calculs de premiers principes, sur les millions de compositions et configurations chimiques possibles, le système peut obtenir des prédictions précises des énergies de surface à travers divers potentiels chimiques ou électriques.
Cette méthode permet également de fournir des informations dynamiques sur la manière dont les propriétés de surface évoluent dans le temps, par exemple lorsqu’un catalyseur est activement impliqué dans une réaction chimique ou lorsqu’une électrode de batterie est en charge ou en décharge.
Des applications potentielles dans divers domaines
Le nouvel outil développé par les chercheurs, appelé AutoSurfRecon, a été mis à disposition gratuitement pour être téléchargé et utilisé par les chercheurs du monde entier. Il pourrait aider, par exemple, à développer de nouveaux matériaux pour les catalyseurs, tels que pour la production d’hydrogène vert, ou pour de nouveaux composants de batteries ou de piles à combustible. Une autre application potentielle est l’étude de la dynamique des réactions chimiques utilisées pour éliminer le dioxyde de carbone de l’air ou des émissions des centrales électriques.
En synthèse
L’approche développée par les chercheurs du MIT permet d’obtenir des informations plus détaillées sur les surfaces des matériaux et leurs propriétés en tant que catalyseurs. Grâce à l’apprentissage automatique, cette méthode pourrait faciliter la conception de nouveaux matériaux et catalyseurs pour diverses applications, notamment la production d’hydrogène vert et la capture du CO2.
Pour une meilleure compréhension
Qu’est-ce que l’Automatic Surface Reconstruction framework ?
C’est une méthode développée par les chercheurs du MIT pour estimer les variations de configuration des atomes en surface des matériaux, en se basant sur quelques calculs de premiers principes choisis automatiquement par un processus d’apprentissage automatique itératif.
Quels sont les avantages de cette méthode ?
Elle permet d’obtenir des prédictions précises des énergies de surface à travers divers potentiels chimiques ou électriques et de fournir des informations dynamiques sur la manière dont les propriétés de surface évoluent dans le temps.
Quelles sont les applications potentielles de cette méthode ?
Elle pourrait aider à développer de nouveaux matériaux pour les catalyseurs, tels que pour la production d’hydrogène vert, ou pour de nouveaux composants de batteries ou de piles à combustible. Elle pourrait également être utilisée pour étudier la dynamique des réactions chimiques utilisées pour éliminer le dioxyde de carbone de l’air ou des émissions des centrales électriques.
Qu’est-ce qu’AutoSurfRecon ?
AutoSurfRecon est un ensemble d’algorithmes informatiques développé par les chercheurs du MIT et mis à disposition gratuitement pour être téléchargé et utilisé par les chercheurs du monde entier.
Comment cette méthode pourrait faciliter la conception de matériaux et catalyseurs ?
En fournissant des informations plus détaillées sur les surfaces des matériaux et leurs propriétés en tant que catalyseurs, cette méthode pourrait permettre aux chercheurs d’explorer un plus grand nombre de possibilités et de concevoir de nouveaux matériaux et catalyseurs plus efficaces pour diverses applications.
Références
Légende illustration principale : Des chercheurs du MIT ont mis au point une méthode basée sur l’apprentissage automatique pour étudier le comportement des matériaux à leur surface. Cette approche pourrait contribuer au développement de composés ou d’alliages utilisés comme catalyseurs, semi-conducteurs ou composants de batteries. Crédit : MIT
MIT News. (2021). New machine-learning approach for designing more effective catalysts.
