「革新的な機械学習モデルにより、脱炭素化触媒の評価時間が数カ月から数ミリ秒に短縮されました」

By using an innovative machine learning model, the evaluation time for decarbonization catalysts has been reduced from months to milliseconds.

バイオマスは、植物、木材、農業廃棄物、その他の生物材料などの有機物を指し、再生可能エネルギー源として利用されることがあります。それは生物から来るものであり、化石燃料とは異なり比較的迅速に補充されることから、再生可能エネルギー源と見なされています。バイオマスは、熱、電気、バイオ燃料など、さまざまな種類のエネルギーに変換する可能性があり、温室効果ガスの排出を減らし、持続可能な開発を促進する可能性があります。

農場、草原、池などの農村地域は、トウモロコシ、大豆、サトウキビ、スイッチグラス、藻類などのバイオマスの豊富な供給源です。これらの材料は、液体燃料や化学物質に変換することができ、アメリカ合衆国の全ての航空旅行における再生可能なジェット燃料を含む幅広い応用の可能性があります。

バイオ燃料などの価値ある製品へのバイオマスの変換において、手頃で効果的な触媒の必要性は重要な課題です。しかし、米国エネルギー省のアーゴンヌ国立研究所の研究者たちは、モリブデンカーバイドを基にした低コストの触媒の開発を加速させるためのAIベースのモデルを開発しました。

• 「DAE Talking 高忠実度音声駆動の話し相手生成における拡散オートエンコーダー」
• 「FlexGenに会おう：GPUメモリが限られている場合に大規模な言語モデル（LLM）を実行するための高スループットな生成エンジン」
• このAI論文は、拡散モデルのコンセプトを自身の知識を使って消去するためのモデルの重みを微調整する新しい方法を提案しています

高温により原料のバイオマスから熱分解油が生成され、酸素含有量が高い製品が得られます。モリブデンカーバイド触媒は、この酸素含有量を除去するために使用されますが、触媒表面は酸素原子を引き寄せるため、その効果が低下します。この問題を克服するために、研究者はモリブデンカーバイド触媒にニッケルや亜鉛などの新しい元素の少量を添加することを提案しています。これにより触媒表面上の酸素原子との結合強度が低下し、劣化を防ぐことができます。

MSDの助手科学者によれば、課題はモリブデンカーバイド触媒の効果を向上させるための最適なドーパントと表面構造の組み合わせを見つけることです。モリブデンカーバイドは複雑な構造を持っているため、研究チームは超高速計算と理論的な計算を利用して、酸素とその近くの表面原子の振る舞いをシミュレートしました。

研究チームは、アーゴンヌのThetaスーパーコンピュータを利用してシミュレーションを実施し、ドープされたモリブデンカーバイドに対する酸素結合エネルギーの20,000の構造のデータベースを構築しました。彼らの分析では、数十のドーパント元素と、それぞれのドーパントの触媒表面上での可能な位置を100以上考慮しました。そして、このデータベースを使用してディープラーニングモデルを開発しました。この技術により、数万の構造をミリ秒単位で分析することができ、従来の数ヶ月かかる計算方法と比較して、正確で費用効果の高い結果を提供します。

化学エネルギー生物触媒コンソーシアムは、研究チームの原子レベルのシミュレーションとディープラーニングモデルの結果を受け取り、実験を実施し、候補の触媒グループを評価するために利用する予定です。アサリによれば、チームは将来的にはこの計算手法を百万以上の構造を調査し、水を清浄な水素燃料に変えるなどのデカーボン化技術で使用される触媒にも同じ手法を適用する予定です。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!