Les ingénieurs développent une technologie générale à grande vitesse pour modéliser et comprendre les réactions catalytiques
L'azote atmosphérique, à l'aide d'un catalyseur en fer, réagit avec l'hydrogène pour produire de l'ammoniac. Cette réaction produit beaucoup d'ammoniac - la production mondiale s'élève à 160 millions de tonnes par an. La majeure partie est utilisée dans l'agriculture, notamment comme engrais azoté. L'ammoniac est également utilisé dans de nombreuses industries, notamment pour la réfrigération des aliments et des boissons. Nous le connaissons tous comme nettoyant ménager.
Une équipe de recherche dirigée par Qi An, professeur agrégé de science et d'ingénierie des matériaux à l'université d'État de l'Iowa, a mis au point une technologie d'intelligence artificielle qui pourrait permettre aux chercheurs de mieux comprendre les réactions chimiques impliquées dans la production d'ammoniac et d'autres réactions chimiques complexes.
"Le cadre HDRL-FP que nous avons développé peut contribuer de manière significative à l'optimisation de ce processus, en réduisant potentiellement les coûts de production et les émissions de CO₂, et en facilitant l'établissement d'usines plus petites et plus répandues", écrivent les chercheurs dans un article récemment publié en ligne par la revue Nature Communications. "Par conséquent, le cadre met en évidence son efficacité et son potentiel pour prédire des voies de réaction chimique complexes.
HDRL-FP est l'expression anglaise High-Throughput Deep Reinforcement Learning with First Principles (apprentissage par renforcement profond à haut débit avec les premiers principes). M. An et ses collaborateurs et coauteurs - Tian Lan et Huan Wang de Salesforce AI Research en Californie - affirment que la technologie est pleine de potentiel.
"L'exploration des mécanismes de réaction catalytique est cruciale pour comprendre les processus chimiques, optimiser les conditions de réaction et développer des catalyseurs plus efficaces", écrivent-ils.
Récompenses et atomes
Selon M. An, la technologie logicielle des chercheurs repose sur deux éléments clés : un type d'apprentissage automatique appelé apprentissage par renforcement et la connexion du processus de simulation avec les positions des atomes impliqués.
Selon M. An, l'apprentissage par renforcement s'apparente au dressage d'un chien par l'utilisation de récompenses pour l'encourager à agir. Dans l'apprentissage par renforcement, les ordinateurs apprennent de leurs actions tout en recherchant des récompenses appropriées. Dans le cas présent, les récompenses consistent à trouver le meilleur chemin de réaction, le plus efficace et le moins coûteux.
La méthode, lorsqu'elle est utilisée avec des unités de traitement graphique et des stratégies à haut débit, peut rapidement et automatiquement identifier la voie de réaction optimale parmi des milliers de voies potentielles, a déclaré M. An. Cela permet d'identifier efficacement les mécanismes de réaction viables parmi les données extrêmement bruyantes des réactions chimiques réelles.
Les chercheurs ont également conçu la technologie de manière à ce qu'elle soit utile pour les études générales des réactions catalytiques. Les études commencent par les positions des atomes cartographiées sur un paysage énergétique. Cela suffit : les chercheurs n'ont pas besoin de commencer par une représentation plus spécifique de l'environnement de la réaction, y compris les états, les actions ou les récompenses pour une réaction particulière.
An et ses collaborateurs travaillent sur ce projet depuis environ deux ans. Il a débuté lorsque M. An s'est installé à l'État de l'Iowa et a été financé par les fonds de démarrage de l'université.
Selon lui, les calculs du système pour la réaction produisant de l'ammoniac sont considérés comme une démonstration de faisabilité.
"Cela nous permet de comprendre le mécanisme de la réaction", a déclaré M. An. "Nous sommes en mesure de voir les étapes importantes de la réaction dans la synthèse de l'ammoniac.
Le fait que les chercheurs aient réussi à jeter un coup d'œil à l'intérieur de cette réaction "permet d'étudier automatiquement des réactions chimiques catalytiques complexes", écrivent-ils, "offrant une approche prometteuse pour la recherche et les découvertes futures".
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.