de.wedoany.com-Bericht: Forscher der japanischen Tohoku-Universität haben ein neues Prinzip für das Design von Katalysatoren entdeckt. Es zeigt, dass Zweiatomkatalysatoren (Dual-Atom Catalysts, DACs) bei der Sauerstoffreduktionsreaktion ein „Dual-Sabatier-Optima“-Muster aufweisen, das die jahrzehntelang geltende Annahme eines unimodalen Vulkanmodells in Frage stellt. Dies könnte einen neuen Weg zur Senkung der Kosten von Wasserstoff-Brennstoffzellen eröffnen.
Brennstoffzellen gelten als Schlüsseltechnologie für den Aufbau einer kohlenstoffarmen Gesellschaft, da sie mit Wasserstoff Strom erzeugen und dabei saubere Emissionen aufweisen. Viele Brennstoffzellen sind jedoch weiterhin auf Edelmetalle wie Platin angewiesen, um die Sauerstoffreduktionsreaktion (ORR) anzutreiben, die direkt Leistung und Kosten beeinflusst. Die traditionelle Katalysetheorie erklärt die Aktivität mit dem „unimodalen Vulkan“-Modell, wonach der optimale Katalysator in einem engen Bereich chemischer Eigenschaften liegt. Bei der Analyse eines großen experimentellen Datensatzes aus der Digital Catalysis Platform (DigCat) stellte das Forschungsteam jedoch fest, dass Zweiatomkatalysatoren diesem erwarteten Muster nicht folgen.
Die Forscher untersuchten über 200 Zweiatomkatalysatoren mit Hilfe fortschrittlicher theoretischer Simulationen, mikrokintischer Modellierung und maschinellem Lernen. Die Ergebnisse zeigen, dass DACs hauptsächlich durch einen Reaktionspfad gesteuert werden, der als dissoziativer Mechanismus bezeichnet wird, und nicht durch den assoziativen Mechanismus, der bei Einzelatomkatalysatoren üblich ist. Diese Änderung hat erhebliche Auswirkungen auf die katalytische Aktivität: DACs weisen nicht mehr einen einzigen optimalen Leistungspeak auf, sondern zeigen zwei getrennte optimale Bereiche, die sogenannten „Dual-Sabatier-Optima“. Das Auftreten der beiden Peaks ist auf einen Wechsel des geschwindigkeitsbestimmenden Schritts während der Reaktion zurückzuführen, der zwischen Sauerstoffdissoziation, Sauerstoffprotonierung und Hydroxylprotonierung wechselt.
Die Forscher fanden heraus, dass dieses Prinzip auf verschiedene Katalysatortypen anwendbar ist, darunter Systeme aus Übergangsmetallen, metallähnlichen Elementen und sogar nichtmetallischen Atomen. Durch die Kombination von interpretierbarem maschinellem Lernen mit theoretischer Modellierung entwickelte das Team einen Vorhersagerahmen, der vielversprechende Katalysatorstrukturen schnell identifizieren kann. Hao Li, Distinguished Professor am Advanced Institute for Materials Research (WPI-AIMR) der Tohoku-Universität, erklärte, dass die langjährige Annahme, Zweiatomkatalysatoren folgten denselben Aktivitätsregeln wie Einzelatomkatalysatoren, durch die neueste Arbeit widerlegt werde. Diese zeige, dass bei der Zusammenarbeit zweier Atome völlig andere Mechanismen entstehen könnten, was neue Möglichkeiten für das Design effizienter Materialien für saubere Energietechnologien eröffne.
Die potenziellen Auswirkungen dieser Entdeckung könnten über Brennstoffzellen hinausgehen und möglicherweise als Leitfaden für die Entwicklung von Katalysatoren für andere Energieumwandlungs- und chemische Produktionsprozesse dienen. Die Studie zeigt auch, wie künstliche Intelligenz verborgene wissenschaftliche Gesetzmäßigkeiten aus vorhandenen experimentellen Daten extrahieren kann, um die Suche nach neuen Materialien zu beschleunigen. Als nächstes plant das Team, die Methode auf komplexere Multimetallkatalysatoren und andere energiebezogene Reaktionen jenseits der ORR anzuwenden. Durch die Integration von KI-Agenten, maschinellem Lernen und elektrochemischen Simulationen in die DigCat-Plattform soll ein vollständig autonomes digitales System für das schnelle Design von Katalysatoren der nächsten Generation für nachhaltige Energie geschaffen werden.
