Catàlisi i productes químics

Descripció
Pantalla de composicions de catalitzadors i vies de reacció per predicció. MatterSeek prediu les propietats del material catalític a partir de la composició i les valida en un laboratori autònom.

Catàlisi i productes químics: sistema de materials / rendiment previsible / via de validació
AI per al descobriment de catalitzadors: mostreu les fases actives i els suports abans d'executar un reactor
Preveu les propietats del material catalític a partir de la composició química, de manera que les fases actives, els promotors i els materials de suport es poden classificar abans que es realitzi una prova electroquímica o un reactor.
L'activitat, la selectivitat i l'estabilitat s'acoblen a la composició de maneres que no són lineals, i cada avaluació experimental consumeix temps del reactor, matèria primera i capacitat analítica. El cribratge per intuïció significa que mai s'examinen grans regions de l'espai de composició, incloses les que tenen el millor compromís entre activitat i durabilitat.
MatterSeek prediu famílies de propietats electroquímiques i termodinàmiques a partir de la composició, inclòs el potencial d'inici de l'evolució de l'oxigen i l'evolució de l'oxigen Pendent de Tafel, les dues quantitats que classifiquen més directament els electrocatalitzadors per a l'evolució d'oxigen, juntament amb el punt de fusió, el coeficient Seebeck, el factor de potència i la figura termoelèctrica de mèrit. El maneig de la composició admet d'un a quatre elements base amb una precisió de nivell de dopatge de 0,02, de manera que els estudis de promotors i dopants es modelen a la granularitat que realment s'especifiquen. Una ronda de predicció dura aproximadament un minut per a dos elements bàsics, dos per a tres i set per a quatre.
no només una llista. Els resultats es tornen com a gràfics de radar multipropietat per comparar candidats amb diverses mètriques alhora, mapes de calor 2D i 3D que mostren com canvien les propietats relacionades amb l'activitat en un interval de composició i taules exportables per a la revisió del disseny.
Les composicions preseleccionades es traslladen al laboratori autònom de 1.200 m² de MatterSeek. Dos dels seus sis grups de processos es mapegen directament sobre el treball del catalitzador: el clúster de química humida inclou la preparació de precursors, la síntesi hidrotèrmica i solvotèrmica, la calcinació i un pas de prova de lixiviació; el clúster sol-gel cobreix la hidròlisi del sol, l'envelliment del gel, l'intercanvi de dissolvents i l'assecat de CO₂ supercrític: la ruta estàndard cap a suports d'alta superfície i portadors de catalitzadors d'aerogel. La caracterització automatitzada inclou anàlisi de superfície BET, XRD, Raman i anàlisi tèrmica simultània, amb un objectiu declarat de 300 a 500 mostres per dia segons la ruta.
Les famílies de materials catalitzadors abordats inclouen catalitzadors metàl·lics i òxids suportats, zeolites i suports porosos, electrocatalitzadors per a l'evolució d'oxigen, fotocatalitzadors i materials termoelèctrics.
Preguntes freqüents
P: Quines propietats catalítiques es poden predir?
R: Famílies electroquímiques i termodinàmiques, incloent el potencial d'inici de l'evolució de l'oxigen, el pendent de Tafel de l'evolució d'oxigen, el punt de fusió i els paràmetres termoelèctrics com el coeficient de Seebeck i la figura de mèrit.
P: El catalitzador de disseny de MatterSeek pot ser compatible amb fases actives?
A: Sí. Els materials de suport formen part de l'espai de composició, i la ruta d'assecat sol-gel i supercrític al laboratori autònom s'adapta específicament als transportadors d'alta superfície.
P: Com es mesura la superfície del catalitzador?
R: L'anàlisi automatitzada de BET s'executa dins del laboratori autònom com a part de la cadena de caracterització.
Yuyao (Beijing) Technology Co., Ltd. és una empresa professional especialitzada en la intersecció d'IA i materials avançats de catàlisi i productes químics. L'empresa ha desenvolupat de manera independent MatterSeek, un gran model fundacional adaptat al sector dels materials, i va ser pionera en l'algorisme HNN (Xarxa Neural Jeràrquica), alhora que creava una base de dades d'experiment de materials controlable i patentada.

