Аннотация:
Исследователи из Индийского института науки обнаружили, что в процессе использования водорода для преобразования углекислого газа в топливо и промышленные химикаты может существовать путь передачи водорода, который долгое время игнорировался традиционными моделями. Это открытие не только помогает объяснить различия между экспериментальными результатами и теоретическими предсказаниями, но также может указать новые направления для разработки более эффективных катализаторов и содействия использованию ресурсов углекислого газа.
Это исследование проводилось исследовательской группой из Индийского института науки (IISc), а результаты были опубликованы в журнале Nature Communications 17 сентября 2026 года. Исследователи разработали вычислительную систему, которая сочетает в себе квантово-механические расчеты, машинное обучение и моделирование кинетики реакций для изучения реакций гидрирования углекислого газа, происходящих на поверхности медных катализаторов.
Гидрирование углекислого газа — это технология, которая соединяет углекислый газ с водородом и превращает его в другие химические вещества под действием катализатора. Среди них важным целевым продуктом является метанол, который может быть использован в производстве топлива, а также широко применяется в химическом производстве. Поэтому вопрос о том, как повысить эффективность конверсии диоксида углерода и позволить реакции генерировать больше целевых продуктов, всегда был важной темой соответствующих исследований.
Однако эти типы химических реакций гораздо сложнее, чем простые уравнения реакций. На поверхности катализатора диоксид углерода и производные от него промежуточные продукты могут подвергаться большому количеству последовательных или конкурирующих стадий реакции. Исследователи столкнутся с чрезвычайно огромными вычислительными потребностями, если попытаются полностью описать все возможные пути реакции с помощью квантово-механических расчетов. Чтобы контролировать вычислительные затраты, традиционные исследования обычно выбирают только некоторые реакции, которые считаются важными для включения в модель.
Проблема в том, что если модель не учитывает ключевую реакцию, даже если остальные расчеты точны, окончательный прогноз может значительно отклоняться от реальности.
Исследовательская группа сначала использовала квантово-механическое моделирование для создания проверенной базы данных реакций, которая содержит 152 реакции. Затем они обучили модель машинного обучения оценивать энергетические барьеры активации, которые необходимо преодолеть для различных реакций. Энергия активации определяет легкость протекания реакции и является важным параметром для прогнозирования скорости химических реакций.
Исходя из этого, исследователи использовали автоматизированные инструменты для систематического выявления возможных реакций между 105 химическими соединениями на поверхности медного катализатора и определения того, какие соединения могут быть преобразованы друг в друга за один этап. После расширения первоначальная ограниченная реакционная сеть наконец увеличилась до 9389 элементарных реакций.
После расширения реакционной сети результаты расчетов существенно изменились. При рассмотрении только 152 реакций модель неправильно предсказала, что муравьиная кислота будет доминирующим продуктом, при этом недооценив степень конверсии углекислого газа. После того, как в расчеты были включены тысячи ранее игнорированных реакций, результаты предсказаний модели стали более согласовываться с экспериментальными наблюдениями. Он смог правильно идентифицировать основные продукты, такие как метанол и окись углерода, и предсказать степень конверсии углекислого газа, которая примерно в 40 раз превышала исходную модель.
Затем исследователи включили расширенную реакционную сеть в кинетическую модель, чтобы проанализировать фактическое поведение всей химической системы. Соответствующие предсказания также были подтверждены экспериментальными исследованиями. Персонал, участвовавший в экспериментальной проверке, был из Центра зеленых исследований и разработок Hindustan Petroleum Corporation и соответствующих исследовательских групп Агентства по науке, технологиям и исследованиям (A*STAR) Сингапура.
Помимо повышения точности прогнозов модели, это исследование также раскрывает механизм транспорта водорода, который заслуживает внимания.
В традиционных описаниях реакций молекулы водорода обычно сначала необходимо диссоциировать на атомы водорода, а затем эти атомы водорода участвуют в последующих химических реакциях. Но исследователи обнаружили, что в некоторых важных реакциях водород в молекуле газообразного водорода может быть перенесен непосредственно в промежуточный продукт реакции без предварительной полной диссоциации на независимые атомы водорода.
Дальнейшие квантово-механические расчеты подтвердили, что этот прямой путь переноса водорода может иметь особенно благоприятные энергетические условия, когда водород передается кислородсодержащим промежуточным соединениям.
Это открытие бросает вызов упрощенному подходу к процессу переноса водорода в некоторых традиционных моделях. Исследователи отмечают, что этот механизм становится очевидным только тогда, когда реакционная сеть увеличивается до достаточного размера, что позволяет вычислительной системе учитывать больше путей реакции, которые не были включены ранее. Затем команда провела более подробные квантовомеханические расчеты соответствующих этапов, еще раз подтвердив, что это явление не было просто предсказано моделью.
Исследователи полагают, что этот механизм может дать ключ к улучшению конструкции катализатора. Например, если бы катализатор мог более сильно взаимодействовать с молекулами водорода, можно было бы стимулировать пути реакции, способствующие производству метанола. Однако это все еще дизайнерская идея, требующая дальнейшей проверки. Нельзя сделать вывод, что усиление взаимодействия молекул водорода с катализаторами неизбежно приведет к увеличению выхода метанола.
Еще одно важное значение этой работы заключается в том, что она демонстрирует потенциал методов исследования, сочетающих вычислительную химию с машинным обучением. Исследовательская группа объединила квантово-механические расчеты, машинное обучение, автоматическую идентификацию пути реакции и модели кинетики реакций, что не только расширило диапазон реакций, которые можно было изучить, но и снизило сложность обработки всех возможных реакций одну за другой посредством дорогостоящих вычислений.
Исследователи заявили, что эта концепция также может быть применена к другим химическим процессам, имеющим промышленное значение в будущем, таким как восстановление углекислого газа, восстановление азота и реакции расщепления воды на различных катализаторах. Эти процессы тесно связаны с областями переработки углеродных ресурсов, азотсодержащего химического производства и производства водорода соответственно.
В условиях растущего спроса на сокращение выбросов и переход к энергетике преобразование углекислого газа в полезные продукты, такие как метанол, рассматривается как один из потенциальных технических путей реализации вторичной переработки углеродных ресурсов. Однако общие экологические преимущества этого типа технологии также зависят от способа производства водорода, источника необходимой энергии, производительности катализатора и экономики всего процесса. Если производство водорода по-прежнему зависит от источников энергии с высоким уровнем выбросов, сам процесс преобразования углекислого газа не обязательно означает сокращение выбросов в течение жизненного цикла.
Следовательно, самый непосредственный вклад этого исследования заключается не в разработке нового оборудования для производства топлива, которое может быть коммерчески применено в больших масштабах, а в выявлении важных химических реакций, которые могут быть упущены традиционными вычислительными моделями, и в обеспечении метода более всестороннего изучения сложных каталитических реакций. Ожидается, что это открытие заложит основу для повышения эффективности конверсии углекислого газа и разработки более экономичных процессов производства топлива.
Комментарии