Všudypřítomnost plastů v každodenních produktech – od lahví na vodu po venkovní nábytek – začíná základní chemickou transformací: přeměnou propanu na propylen. Přestože vědci již dlouho věděli, jak efektivně provádět tuto transformaci pomocí nanokatalyzátorů, přesné atomové mechanismy, jimiž se proces řídí, zůstaly do značné míry záhadou. Nyní výzkumníci z University of Rochester vyvinuli algoritmy, které odhalují klíčové rysy, které definují tuto složitou chemii, a nabízejí cestu k optimalizaci průmyslové výroby a pochopení podobných reakcí.
Problém porozumění na atomové úrovni
Po léta se společnosti při zlepšování výtěžnosti propylenu z propanu spoléhaly na pokusy a omyly. Studie z roku 2021 v časopise Science prokázala potenciál tandemových nanokatalyzátorů optimalizovat tento proces, ale bez podrobného pochopení toho, co se děje na atomové úrovni, bylo použití této techniky v jiných průmyslových procesech obtížné. Reakce je komplikována interakcí materiálů existujících ve více stavech, což ztěžuje identifikaci kritických faktorů, které určují účinnost.
Algoritmický průlom
Tým z Rochesteru vedený odborným asistentem Siddharthem Deshpandem a postgraduální studentkou Snehitou Srirangamovou publikoval svá zjištění v Journal of the American Chemical Society. Jejich přístup zahrnuje složité algoritmy, které systematicky prohledávají nespočet atomových možností a zaměřují se na ty nejdůležitější. “Existuje tolik různých možností pro to, co se děje na katalytických aktivních místech,” vysvětluje Deshpande, “takže potřebujeme algoritmický přístup, abychom velmi snadno, ale logicky prohlédli obrovské množství možností a zaměřili se na ty nejdůležitější.”
Klíčová zjištění: Oxidová stabilita a defektní kovy
Analýza odhalila několik neočekávaných vzorů. Tým zjistil, že oxidová složka v reakci neustále roste kolem defektních míst na kovovém katalyzátoru, což je chování, které je rozhodující pro udržení stability katalyzátoru. I když oxid existoval v různých chemických složeních, zůstal připojen k těmto defektním kovovým oblastem. Tento selektivní model růstu předpokládá základní princip návrhu, který určuje účinnost reakce.
Důsledky pro průmyslovou chemii
Tyto znalosti – a algoritmické metody používané k jejich získání – by mohly být použity k pochopení dalších složitých chemických reakcí, jako je syntéza metanolu, který se používá ve všem, od barev po palivové články, řekl Deshpande. Společnosti nyní mohou překonat desetiletí pokusů a omylů tím, že budou strategicky sledovat účinnější metody výroby propylenu a dalších průmyslových materiálů.
Obecný přístup ke komplexním reakcím
Přístup týmu přesahuje přeměnu propanu na propylen. „Náš přístup je velmi obecný a může otevřít dveře k pochopení mnoha z těchto procesů, které zůstávaly po desetiletí záhadou,“ říká Deshpande. Ačkoli tyto reakce byly úspěšně implementovány po celá desetiletí, hluboké pochopení základních atomových mechanismů zůstalo v nedohlednu. Tento nový výzkum zaplňuje tuto mezeru a nabízí cestu k optimalizované průmyslové chemii.
Na závěr, algoritmický průlom z University of Rochester poskytuje nové pohledy na studium složitých chemických reakcí a nabízí potenciál transformovat průmyslové procesy od empirických odhadů k efektivní správě dat.
