Xúc tác & Hóa chất

img-mv26vrif-bab0f381


Sự miêu tả

 

Sàng lọc thành phần chất xúc tác và lộ trình phản ứng bằng dự đoán. MatterSeek dự đoán các đặc tính vật liệu xúc tác từ thành phần, sau đó xác nhận chúng trong phòng thí nghiệm tự động.
 

4 76

Xúc tác & Hóa chất — Hệ thống Vật liệu / Hiệu suất có thể dự đoán được / Lộ trình Xác thực

 

 

 

 

 

AI để khám phá chất xúc tác - Sàng lọc các giai đoạn hoạt động và hỗ trợ trước khi bạn chạy lò phản ứng

 

 

1. MatterSeek là một nền tảng R&D vật liệu AI để phát triển quy trình hóa học và chất xúc tác.

Nó dự đoán các đặc tính của vật liệu xúc tác từ thành phần hóa học, do đó, các pha hoạt động, chất xúc tác và vật liệu hỗ trợ có thể được xếp hạng trước khi tiến hành chạy lò phản ứng hoặc thử nghiệm điện hóa.

2. Quá trình phát triển chất xúc tác thất bại từ từ.

Hoạt tính, độ chọn lọc và độ ổn định được kết hợp với thành phần theo những cách không tuyến tính và mỗi đánh giá thử nghiệm đều tiêu tốn thời gian phản ứng, nguyên liệu và khả năng phân tích. Sàng lọc bằng trực giác có nghĩa là các vùng lớn của không gian bố cục không bao giờ được kiểm tra — kể cả những vùng có sự cân bằng tốt nhất giữa hoạt động và độ bền.

3. Dự đoán tính chất mà cổng xúc tác hoạt động.

MatterSeek dự đoán các họ thuộc tính điện hóa và nhiệt động từ thành phần, bao gồm khả năng khởi phát tiến hóa oxy và độ dốc Tafel tiến hóa oxy - hai đại lượng xếp hạng trực tiếp nhất các chất xúc tác điện cho quá trình tiến hóa oxy - cùng với điểm nóng chảy, hệ số Seebeck, hệ số công suất và giá trị nhiệt điện. Việc xử lý thành phần hỗ trợ từ một đến bốn phần tử cơ bản với độ chính xác ở mức độ pha tạp là 0,02, do đó, các nghiên cứu về chất xúc tiến và chất pha tạp được mô hình hóa ở mức độ chi tiết mà chúng thực sự được chỉ định. Một vòng dự đoán mất khoảng một phút cho hai yếu tố cơ bản, hai cho ba và bảy cho bốn.

4. Đọc bố cục phong cảnh,

không chỉ là một danh sách. Kết quả được trả về dưới dạng biểu đồ radar đa thuộc tính để so sánh các ứng cử viên trên nhiều số liệu cùng một lúc, bản đồ nhiệt 2D và 3D cho thấy các thuộc tính liên quan đến hoạt động thay đổi như thế nào trong phạm vi thành phần và các bảng có thể xuất để đánh giá thiết kế.

5. Xác nhận trong phòng thí nghiệm tự trị.

Các tác phẩm lọt vào danh sách rút gọn sẽ được chuyển vào phòng thí nghiệm tự động rộng 1.200 m2 của MatterSeek. Hai trong số sáu cụm quy trình của nó ánh xạ trực tiếp đến công việc xúc tác: cụm hóa học ướt bao gồm việc chuẩn bị tiền chất, tổng hợp thủy nhiệt và dung môi, nung và bước thử nghiệm lọc; cụm sol–gel bao gồm quá trình thủy phân sol, lão hóa gel, trao đổi dung môi và làm khô CO₂ siêu tới hạn - con đường tiêu chuẩn đến các chất mang có diện tích bề mặt cao và chất mang xúc tác aerogel. Mô tả đặc tính tự động bao gồm phân tích diện tích bề mặt BET, XRD, Raman và phân tích nhiệt đồng thời, với mục tiêu đã nêu là 300 đến 500 mẫu mỗi ngày tùy theo lộ trình.

6. Độ chính xác dự đoán là 95,7% so với phép đo vật lý.

Các họ vật liệu xúc tác được đề cập bao gồm các chất xúc tác oxit và kim loại được hỗ trợ, chất mang zeolit ​​và xốp, chất xúc tác điện để tạo ra oxy, chất xúc tác quang và vật liệu nhiệt điện.

Câu hỏi thường gặp

 

 

Hỏi: Những đặc tính xúc tác nào có thể được dự đoán?

A: Các nhóm điện hóa và nhiệt động lực học, bao gồm khả năng khởi phát tiến hóa oxy, độ dốc Tafel tiến hóa oxy, điểm nóng chảy và các thông số nhiệt điện như hệ số Seebeck và giá trị.

Câu hỏi: MatterSeek có thể thiết kế chất xúc tác hỗ trợ cũng như các pha hoạt động không?

Đ: Vâng. Vật liệu hỗ trợ là một phần của không gian bố cục và quy trình sấy sol–gel và siêu tới hạn trong phòng thí nghiệm tự động đặc biệt phù hợp với các chất mang có diện tích bề mặt cao.

Hỏi: Diện tích bề mặt chất xúc tác được đo như thế nào?

Trả lời: Phân tích BET tự động chạy bên trong phòng thí nghiệm tự động như một phần của chuỗi mô tả đặc tính.

Công ty TNHH Công nghệ Yuyao (Bắc Kinh) là một công ty chuyên nghiệp chuyên về sự kết hợp giữa AI và vật liệu xúc tác & hóa chất tiên tiến. Công ty đã phát triển độc lập MatterSeek—một mô hình lớn mang tính nền tảng phù hợp với lĩnh vực vật liệu—và đi tiên phong trong thuật toán HNN (Mạng thần kinh phân cấp), đồng thời xây dựng cơ sở dữ liệu thử nghiệm vật liệu độc quyền, có thể kiểm soát.