Разработка катализаторов для устойчивого производства топлива и химической продукции требует своего рода эффект Златовласки-некоторые катализаторы являются слишком неэффективными, в то время как другие слишком неэкономично. Катализатор испытания и отнимает много времени и ресурсов. Новых прорывов в области вычислительной квантовой химии, однако, дают надежду на обнаружение катализаторов, которые «только прямо» и тысячи раз быстрее, чем стандартные подходы.
Питтсбургского университета профессор Джон А. Кит и его лаборатории группы по Суонсон Инженерной школы используют новые квантовой химии, вычислительные процедуры для классификации гипотетический электрокатализаторов, которые «слишком медленно» или «слишком дорого», гораздо более тщательно и быстрее, чем считалось возможным еще несколько лет назад. Кит тоже Ричарда Кинга Меллона научным сотрудником в энергетическом отдела Свонсон школы химического и нефтяного машиностроения.
Исследование компиляции Кит группы, «компьютерная квантово-химических исследований химические/материал пространства для эффективных Электрокатализаторов,» был показан в этом месяце в интерфейс, ежеквартальный журнал электрохимического общества.
«На протяжении десятилетий, развитие катализатором является результатом проб и ошибок — многолетние разработки и испытания в лаборатории, дает нам общее представление о том, как каталитические процессы работы. Сегодня, численное моделирование дает нам новое понимание этих реакций на молекулярном уровне», — пояснил Кит. «Однако самое интересное заключается в вычислительной квантовой химии, которые могут имитировать структуры и динамики из множества атомов за один раз. В сочетании с растущей области машинного обучения, мы можем более оперативно и точно прогнозировать и моделировать каталитические модели».
В статье, Кит объяснил трехсторонний подход к прогнозированию Роман электрокатализаторы: 1) Анализ гипотетических путей реакции; 2) прогноза идеальной электрохимической среде; и 3) высокопроизводительного скрининга питание от алхимической теории возмущений функционала плотности и теории машинного обучения. В статье объясняется, как эти подходы могут изменить то, как инженеры и ученые разрабатывают электрокатализаторы, необходимых для общества.
«Эти новые вычислительные методы позволяют исследователям быть более тысячи раз более эффективно открывать новые системы, по сравнению со стандартными протоколами», — сказал Кит. «На протяжении веков химия и материаловедение опирается на традиционные модели Edisonian лабораторного исследования, которые приносят гораздо больше неудач, чем успехов и, таким образом, массу потраченного времени и ресурсов. Традиционная вычислительная квантовая химия ускорила эти усилия, но новейшие методы перегружать их. Это помогает исследователям лучше заострить внимание на неоткрытых общество катализаторов отчаянно нуждается в интересах устойчивого будущего».
почувствуйте разницу: спонсорские возможности
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!