À ce jour, la recherche dans le domaine des catalyseurs combinatoires s'est appuyée sur des découvertes fortuites de combinaisons de catalyseurs. Maintenant, des scientifiques du Japon ont rationalisé un protocole qui combine un échantillonnage aléatoire, expérimentation à haut débit, et la science des données pour identifier des combinaisons synergiques de catalyseurs. Avec cette percée, les chercheurs espèrent lever les limites imposées à la recherche en s'appuyant sur des découvertes fortuites et voir leur nouveau protocole utilisé plus souvent dans l'informatique catalytique.

Catalyseurs, ou leurs combinaisons, sont des composés qui réduisent considérablement l'énergie requise pour mener à bien les réactions chimiques. Dans le domaine de la conception combinatoire de catalyseurs, l'exigence de synergie - lorsqu'un composant d'un catalyseur en complète un autre - et l'élimination des combinaisons inefficaces ou nuisibles sont des considérations clés. Cependant, jusque là, les catalyseurs combinatoires ont été conçus à partir de données biaisées ou d'essais-erreurs, ou des découvertes fortuites de combinaisons qui ont fonctionné. Un groupe de chercheurs japonais a maintenant cherché à changer cette tendance en essayant de concevoir un protocole reproductible reposant sur un instrument de dépistage et une analyse basée sur un logiciel.

Leur nouvelle étude, Publié dans Catalyse ACS , détaille l'identification des combinaisons de catalyseurs efficaces, en utilisant le protocole proposé, pour le couplage oxydant du méthane (OCM). L'OCM est une réaction chimique largement utilisée pour convertir le méthane en gaz utiles en présence d'oxygène et du catalyseur. Élaborer sur les motivations de l'étude, Dr Toshiaki Taniike, Professeur à l'École des sciences des matériaux, Japan Advanced Institute of Science and Technology et auteur correspondant de l'étude, dit, « La conception de catalyseurs combinatoires est difficilement généralisable, et l'aspect empirique de la recherche a biaisé les données de la littérature vers des combinaisons trouvées accidentellement."

Pour dériver un ensemble de données sans biais de l'OCM pour la conception du protocole, les chercheurs ont échantillonné au hasard 300 catalyseurs solides dans un vaste espace de matériaux contenant plus de 36, 000 catalyseurs ! Le criblage d'un si grand nombre de catalyseurs est presque impossible selon les normes humaines. D'où, l'équipe a utilisé un instrument de criblage à haut débit pour évaluer leurs performances en matière de facilitation de l'OCM. L'ensemble de données obtenu a été utilisé pour décrire le nouveau protocole, visant à fournir une ligne directrice pour la conception des catalyseurs. Ceci a été mis en œuvre sous la forme d'une classification par arbre de décision, qui est une forme d'apprentissage automatique qui a aidé à comprendre l'efficacité des combinaisons de catalyseurs sélectionnées, en donnant un meilleur rendement OCM. Cette, à son tour, contribué à l'élaboration des directives de conception des catalyseurs nécessaires.

De façon intéressante, les résultats ont montré que, même avec un échantillonnage aléatoire, 51 des 300 catalyseurs ont donné un meilleur rendement OCM par rapport au procédé non catalytique alternatif. Expliquer les implications potentielles de leur découverte, Dr Keisuke Takahashi, Professeur agrégé à l'Université d'Hokkaido et co-auteur de cette étude, dit, « La combinaison de l'expérimentation à haut débit et de la science des données a déjà démontré la puissance des mégadonnées catalytiques sans biais pour trouver de nouveaux catalyseurs ainsi qu'une directive de conception de catalyseur. Il est également important d'énoncer le caractère essentiel de ces approches pour la mise en œuvre d'un tel étudier dans un délai réaliste.En équipant toutes les techniques essentielles de l'étude, des développements de catalyseurs vraiment non empiriques pourraient être réalisés."

En effet, on peut espérer, avec les scientifiques, que cette stratégie « catalysera » plusieurs futures découvertes en science des matériaux.