• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Chimie
    Palladium, rencontrez le cuivre :des chercheurs utilisent l'apprentissage automatique pour améliorer les catalyseurs

    Crédit :Pixabay/CC0 domaine public

    Des chercheurs de Skoltech et leurs collègues d'Allemagne et des États-Unis ont étudié les propriétés et le comportement d'un alliage palladium-cuivre sous des températures et des concentrations d'hydrogène changeantes, avec des implications très pertinentes de cette recherche pour la conception de catalyseurs. Le document a été publié dans le Journal de physique appliquée .

    Les matériaux en alliage de métaux de transition peuvent avoir des propriétés catalytiques et sont largement utilisés pour faciliter diverses réactions chimiques telles que le CO 2 hydrogénation, un processus qui transforme le dioxyde de carbone en méthanol. L'utilisation d'un alliage d'un élément réactif plus cher avec un autre moins cher et plus inerte rend ces catalyseurs très efficaces. Un exemple d'un tel catalyseur serait un alliage de palladium (Pd) et de cuivre (Cu), où des atomes isolés de Pd sont positionnés dans le réseau Cu.

    Zhong-Kang Han, Debalaya Sarker et Sergey Levchenko du Skoltech Center for Energy Science and Technology (CEST) et leurs collègues ont modélisé les propriétés d'un alliage Pd/Cu, en utilisant un modèle d'apprentissage automatique pour prédire la distribution des atomes de Pd sur une surface de Cu en fonction de la pression partielle d'hydrogène et de la température. "Seuls les atomes de Pd à la surface fournissent des sites catalytiquement actifs. Par conséquent, il est important de savoir combien de ces atomes peuvent être trouvés à la surface aux températures et pressions partielles d'hydrogène pertinentes, " dit Levchenko.

    Il dit que l'évaluation des énergies de nombreuses configurations atomiques de Pd dans le réseau Cu nécessite beaucoup de ressources de calcul, les chercheurs ont donc choisi un modèle d'expansion de cluster de substitution qui est plus facile à gérer. "Ce modèle nous permet d'évaluer l'énergie de millions de configurations en quelques secondes. Dans cette étude, nous avions un système plus complexe que ceux généralement étudiés en utilisant l'expansion d'agrégats :une surface d'un alliage où la stabilité de diverses configurations atomiques est influencée par les adsorbats de la phase gazeuse. Par conséquent, nous avons appliqué l'approche d'apprentissage automatique basée sur la détection compressée (une méthode largement utilisée pour compresser des images) pour développer un modèle de substitution très précis et prédictif, " note Levchenko.

    L'équipe a découvert que l'adsorption d'hydrogène a en effet un effet important sur la concentration d'atomes de Pd dans la couche supérieure de la surface de Cu (111). "Alors qu'à de faibles pressions partielles d'hydrogène et à des températures plus élevées, le Pd préfère rester à la surface, à des pressions plus élevées et à des températures plus basses, l'adsorption d'hydrogène éloigne le Pd de la surface, " explique Levchenko.

    Les auteurs espèrent que leurs découvertes pourront ouvrir la porte à la conception d'alliages métalliques avec de meilleures propriétés catalytiques en tenant compte des changements dynamiques dans la composition et la structure des matériaux dans des conditions opérationnelles réalistes.


    © Science https://fr.scienceaq.com