Исследователи из Индийского института науки (IISc) с помощью машинного обучения обнаружили 9389 химических реакций, которые могут происходить на поверхности медного катализатора при переработке углекислого газа. Многие из них оставались за рамками прежних моделей, из-за чего те неверно предсказывали продукты реакции и недооценивали количество CO₂, которое можно преобразовать.

Новая модель предсказала примерно в 40 раз более высокую конверсию углекислого газа по сравнению с первоначальной. Кроме того, ученые выявили необычный механизм участия водорода, который может помочь в разработке более эффективных катализаторов для получения метанола и других полезных химических веществ. Результаты исследования опубликованы в журнале Nature Communications.

Почему химические модели пропускают важные реакции

Один из перспективных способов переработки углекислого газа — гидрирование, при котором CO₂ вступает в реакцию с водородом в присутствии катализатора. В результате можно получать, например, метанол, используемый как химическое сырье и потенциальное топливо.

Однако на поверхности катализатора одновременно могут происходить многочисленные химические превращения. Промежуточные соединения образуются, меняются и взаимодействуют друг с другом, создавая сложную сеть реакций.

Чтобы смоделировать каждый возможный этап с помощью квантовой механики, нужны огромные вычислительные ресурсы. Поэтому ученые обычно выбирают ограниченный набор реакций, которые считают наиболее значимыми. Такой подход упрощает расчеты, но создает риск пропустить реакцию, от которой зависит конечный результат.

«Как понять, что в сети реакций не пропущен именно тот этап, который имеет решающее значение?» — так первый автор работы Ананд Мохан Верма описывает проблему, с которой сталкиваются исследователи. Во время работы он был постдокторантом Индийского института науки, а сейчас преподает в Национальном технологическом институте Мотилала Неру в Аллахабаде.

Как ИИ расширил сеть со 152 до 9389 реакций

Сначала ученые использовали квантово-механические расчеты, чтобы создать базу из 152 химических реакций. Затем они обучили модели машинного обучения быстро оценивать энергетические барьеры — величину энергии, необходимой для протекания того или иного превращения.

После этого исследователи применили автоматизированные вычислительные инструменты, чтобы изучить возможные реакции с участием 105 химических частиц на поверхности катализатора. Алгоритмы помогли определить, какие превращения могут происходить за один этап, и расширить исходную сеть до 9389 реакций.

Разница оказалась принципиальной. Модель, учитывавшая только первоначальные 152 реакции, ошибочно предсказывала, что главным продуктом станет муравьиная кислота, а не метанол. Кроме того, она существенно недооценивала степень превращения углекислого газа.

Когда ученые включили тысячи дополнительных реакций, расчеты стали гораздо лучше соответствовать экспериментальным наблюдениям. Модель начала правильно определять метанол и угарный газ как основные продукты процесса.

Конверсия CO₂ выросла в расчетах в 40 раз

После расширения сети реакций исследователи построили модель, учитывающую скорость отдельных химических процессов. Она предсказала примерно в 40 раз более высокую конверсию CO₂, чем первоначальная модель с ограниченным числом реакций.

Это не означает, что ученые увеличили выход топлива в 40 раз в реальном реакторе. Речь идет о различии между двумя вычислительными моделями, одна из которых учитывала значительно больше возможных химических путей. Новые расчеты оказались ближе к результатам экспериментов, но сами по себе не демонстрируют аналогичного улучшения промышленной установки.

Экспериментальную проверку результатов проводили специалисты исследовательского центра Green Research and Development Centre индийской компании Hindustan Petroleum, а также ученые сингапурского Агентства по науке, технологиям и исследованиям (A*STAR).

Работа показывает, насколько сильно точность моделирования зависит от полноты описания химических процессов. Даже если отдельные реакции рассчитаны корректно, исключение множества менее очевидных этапов может привести к неверному прогнозу поведения всей системы.

Водород может участвовать в реакции неожиданным способом

Расширенная сеть позволила обнаружить еще одну особенность: в некоторых важных реакциях водород может передаваться промежуточным соединениям в виде целой молекулы H₂, не разделяясь предварительно на отдельные атомы.

Дополнительные расчеты с использованием квантовой механики подтвердили, что такой путь может быть энергетически выгодным, особенно при передаче водорода промежуточным соединениям, содержащим кислород.

Это ставит под сомнение распространенное представление о том, как водород участвует в подобных каталитических процессах. Как отмечают авторы, необычный механизм удалось выявить именно благодаря тому, что новая модель охватывала гораздо больше возможных превращений.

Открытие может подсказать, как создавать катализаторы, которые эффективнее взаимодействуют с молекулярным водородом. Теоретически это позволит усилить химические пути, ведущие к образованию метанола. Однако сначала необходимо выяснить, насколько существенно этот механизм влияет на реальную скорость реакции и выход продукта в конкретных материалах.

Где еще может пригодиться этот подход

Метод объединяет несколько инструментов: квантово-механические расчеты, машинное обучение, автоматический поиск возможных реакций и моделирование их скорости. Благодаря этому ученые могут исследовать сложные химические системы, не рассчитывая каждый возможный этап исключительно дорогими методами.

Помимо превращения CO₂ в полезные вещества, подход потенциально применим к другим промышленно важным процессам — например, восстановлению азота и расщеплению воды.

Для углеродной переработки это особенно интересно, поскольку эффективность катализатора зависит не только от его состава, но и от множества последовательных реакций на поверхности материала. Если модель пропускает часть этих этапов, она может привести к неверному выбору перспективных материалов или условий производства.

При этом превращение углекислого газа в топливо само по себе не гарантирует сокращения выбросов. Для оценки экологической пользы необходимо учитывать источник водорода, энергию, затрачиваемую на процесс, и то, сколько CO₂ выделяется при последующем использовании полученного топлива.

Главный результат исследования пока заключается не в создании нового промышленного катализатора, а в демонстрации того, что ИИ помогает находить химические пути, которые традиционные упрощенные модели оставляют без внимания. Более полное описание реакций может стать важным инструментом для разработки эффективных технологий получения топлива и химического сырья из углекислого газа.