Kataliza i kemikalije

Opis
Probiranje sastava katalizatora i reakcijskih putova prema predviđanju. MatterSeek predviđa svojstva katalitičkog materijala na temelju sastava, a zatim ih potvrđuje u autonomnom laboratoriju.

Kataliza i kemikalije — Materijalni sustav / Predvidljiva izvedba / Validacijski put
AI for Catalyst Discovery — Pregledajte aktivne faze i podršku prije nego što pokrenete reaktor
Predviđa svojstva katalitičkog materijala na temelju kemijskog sastava, tako da se aktivne faze, promotori i materijali za podršku mogu rangirati prije pokretanja reaktora ili elektrokemijskog ispitivanja.
Aktivnost, selektivnost i stabilnost povezani su sa sastavom na načine koji nisu linearni, a svaka eksperimentalna procjena troši vrijeme reaktora, sirovinu i analitički kapacitet. Probir prema intuiciji znači da se nikada ne ispituju velike regije prostora kompozicije — uključujući one koje imaju najbolji kompromis između aktivnosti i trajnosti.
MatterSeek predviđa obitelji elektrokemijskih i termodinamičkih svojstava iz sastava, uključujući potencijal početka razvoja kisika i Tafelov nagib za razvoj kisika — dvije veličine koje najizravnije rangiraju elektrokatalizatore za razvoj kisika — uz talište, Seebeckov koeficijent, faktor snage i termoelektričnu vrijednost. Rukovanje sastavom podržava jedan do četiri bazna elementa s preciznošću razine dopinga od 0,02, tako da su studije promotora i dopanta modelirane prema granularnosti za koju su zapravo navedene. Runda predviđanja traje oko jedne minute za dva osnovna elementa, dva za tri i sedam za četiri.
ne samo popis. Rezultati se vraćaju kao radarske karte s više svojstava za usporedbu kandidata kroz nekoliko metrika odjednom, 2D i 3D toplinske karte koje pokazuju kako se svojstva povezana s aktivnostima mijenjaju u rasponu sastava i tablice za izvoz za pregled dizajna.
Skladbe koje su ušle u uži izbor sele se u MatterSeekov autonomni laboratorij od 1200 m². Dva od njegovih šest klastera procesa preslikavaju se izravno na rad katalizatora: klaster mokre kemije pokriva pripremu prekursora, hidrotermalnu i solvotermalnu sintezu, kalcinaciju i korak testa ispiranja; sol-gel klaster pokriva sol hidrolizu, starenje gela, izmjenu otapala i superkritično CO₂ sušenje — standardni put do nosača velike površine i nosača katalizatora u aerogelu. Automatizirana karakterizacija uključuje BET analizu površine, XRD, Raman i simultanu toplinsku analizu, s navedenim ciljem od 300 do 500 uzoraka dnevno, ovisno o ruti.
Obitelji materijala katalizatora koje se obrađuju uključuju metalne i oksidne katalizatore na nosaču, zeolit i porozne nosače, elektrokatalizatore za oslobađanje kisika, fotokatalizatore i termoelektrične materijale.
FAQ
P: Koja se katalitička svojstva mogu predvidjeti?
O: Elektrokemijske i termodinamičke obitelji, uključujući potencijal početka oslobađanja kisika, Tafelov nagib razvijanja kisika, talište i termoelektrične parametre kao što su Seebeckov koeficijent i meritum.
P: Može li MatterSeek dizajnirati nosače katalizatora kao i aktivne faze?
O: Da. Materijali za podršku dio su prostora za sastav, a put sol-gel i superkritičnog sušenja u autonomnom laboratoriju posebno je prikladan za nosače velike površine.
P: Kako se mjeri površina katalizatora?
O: Automatizirana BET analiza radi unutar autonomnog laboratorija kao dio lanca karakterizacije.
Yuyao (Beijing) Technology Co., Ltd. je profesionalna tvrtka specijalizirana za spajanje umjetne inteligencije i naprednih materijala za katalizu i kemikalije. Tvrtka je neovisno razvila MatterSeek—temeljni veliki model prilagođen sektoru materijala—i uvela algoritam HNN (Hijerarhijska neuronska mreža), dok je gradila vlasničku, kontroliranu bazu podataka o eksperimentima s materijalima.

