Catálise e Produtos Químicos

Descrição
Tela de composições de catalisadores e rotas de reação por previsão. MatterSeek prevê propriedades de materiais catalíticos a partir da composição e depois as valida em um laboratório autônomo.

Catálise e Produtos Químicos — Sistema de Materiais/Desempenho Previsível/Caminho de Validação
IA para Catalyst Discovery — Monitore as fases ativas e os suportes antes de executar um reator
Ele prevê as propriedades do material catalítico a partir da composição química, de modo que as fases ativas, os promotores e os materiais de suporte podem ser classificados antes da operação do reator ou de um teste eletroquímico ser realizado.
Atividade, seletividade e estabilidade estão acopladas à composição de maneiras que não são lineares, e cada avaliação experimental consome tempo de reator, matéria-prima e capacidade analítica. A triagem por intuição significa que grandes regiões do espaço de composição nunca são examinadas – incluindo aquelas que apresentam o melhor equilíbrio entre atividade e durabilidade.
MatterSeek prevê famílias de propriedades eletroquímicas e termodinâmicas a partir da composição, incluindo o potencial de início da evolução do oxigênio e a inclinação Tafel da evolução do oxigênio - as duas quantidades que classificam mais diretamente os eletrocatalisadores para a evolução do oxigênio - ao lado do ponto de fusão, coeficiente de Seebeck, fator de potência e figura de mérito termoelétrico. O manuseio da composição suporta de um a quatro elementos base com precisão de nível de dopagem de 0,02, de modo que os estudos de promotores e dopantes são modelados na granularidade em que são realmente especificados. Uma rodada de previsão leva cerca de um minuto para dois elementos básicos, dois para três e sete para quatro.
não apenas uma lista. Os resultados são retornados como gráficos de radar de múltiplas propriedades para comparação de candidatos em diversas métricas ao mesmo tempo, mapas de calor 2D e 3D que mostram como as propriedades relacionadas à atividade mudam em uma faixa de composição e tabelas exportáveis para revisão de projeto.
As composições selecionadas são transferidas para o laboratório autônomo de 1.200 m² da MatterSeek. Dois de seus seis grupos de processos são mapeados diretamente no trabalho do catalisador: o grupo de química úmida cobre preparação de precursores, síntese hidrotérmica e solvotérmica, calcinação e uma etapa de teste de lixiviação; o cluster sol-gel cobre hidrólise de sol, envelhecimento em gel, troca de solvente e secagem supercrítica de CO₂ - a rota padrão para suportes de alta área superficial e transportadores de catalisador de aerogel. A caracterização automatizada inclui análise de área superficial BET, XRD, Raman e análise térmica simultânea, com uma meta declarada de 300 a 500 amostras por dia, dependendo da rota.
As famílias de materiais catalisadores abordados incluem catalisadores de metal e óxido suportados, zeólitos e suportes porosos, eletrocatalisadores para evolução de oxigênio, fotocatalisadores e materiais termoelétricos.
Perguntas frequentes
P: Quais propriedades catalíticas podem ser previstas?
A: Famílias eletroquímicas e termodinâmicas, incluindo potencial de início de evolução de oxigênio, inclinação de Tafel de evolução de oxigênio, ponto de fusão e parâmetros termoelétricos, como coeficiente de Seebeck e figura de mérito.
P: O catalisador de design MatterSeek pode suportar e também fases ativas?
R: Sim. Os materiais de suporte fazem parte do espaço de composição, e a rota de secagem sol-gel e supercrítica no laboratório autônomo é especificamente adequada para transportadores de grande área superficial.
P: Como é medida a área superficial do catalisador?
R: A análise BET automatizada é executada dentro do laboratório autônomo como parte da cadeia de caracterização.
Yuyao (Pequim) Technology Co., Ltd. é uma empresa profissional especializada na interseção de IA e materiais avançados de catálise e produtos químicos. A empresa desenvolveu de forma independente o MatterSeek – um grande modelo básico adaptado ao setor de materiais – e foi pioneira no algoritmo HNN (Rede Neural Hierárquica), ao mesmo tempo em que construiu um banco de dados proprietário e controlável de experimentos de materiais.

