Brujería con "small data": la IA revoluciona el reciclaje de CO2 con modelos de "small data
Un estudiante de doctorado elabora modelos de IA precisos para una síntesis Fischer-Tropsch respetuosa con el medio ambiente a partir de datos mínimos
En el Instituto Leibniz de Catálisis de Rostock, LIKAT, un estudiante de doctorado que trabaja con el Dr. David Linke desarrolló modelos de IA para el proceso Fischer-Tropsch basado en CO2. El proceso se desarrolló originalmente en la década de 1920 para producir hidrocarburos líquidos a partir de monóxido de carbono e hidrógeno obtenidos del carbón y el petróleo. Laboratorios de todo el mundo investigan cómo utilizar en el futuro el dióxido de carbono, gas de efecto invernadero, en lugar de materias primas fósiles para la síntesis Fischer-Tropsch.
Eficaz y bonito a la vista: el sistema de catálisis de alto rendimiento que Aleksandr Fedorov utiliza para probar sus catalizadores durante la hidrogenación de CO o CO₂ a presión. Tiene 16 reactores paralelos; sus recipientes son claramente visibles a la derecha.
LIKAT
Uno de los objetivos de la investigación en química es sustituir las materias primas fósiles por otras respetuosas con el clima y el medio ambiente. Un enfoque prometedor es la hidrogenación del dióxido de carbono para obtener hidrocarburos superiores, lo que se conoce como síntesis Fischer-Tropsch de CO2 (CO2 FTS). El CO2 y el hidrógeno (H2) reaccionan catalíticamente para formar combustible sintético, por ejemplo, que no contiene compuestos de azufre ni nitrógeno y, por tanto, se quema de forma mucho más limpia que su homólogo derivado del petróleo. Si además el hidrógeno se produce a partir de fuentes renovables, este proceso es completamente neutro desde el punto de vista del CO2.
Primero los datos, luego el experimento
El número de publicaciones sobre esta reacción aumenta en todo el mundo, y con él la cantidad de datos procedentes de experimentos. Quienes analizan estos datos con inteligencia pueden descubrir conexiones ocultas entre las propiedades del catalizador y la actividad química", afirma el Dr. David Linke, químico del LIKAT. Se trata de conocimientos valiosos, pero difíciles de extraer. Un caso para el aprendizaje automático y las redes neuronales artificiales.
Aleksandr Fedorov, estudiante de doctorado de David Linke, se embarcó en este trabajo pionero. El objetivo de su tesis doctoral era desarrollar un nuevo catalizador para el CO2-FTS y un modelo de IA adecuado que pudiera describir la velocidad de la compleja reacción en todas las condiciones. Para ello, al principio tuvo que pasar meses recopilando y procesando datos e introduciéndolos en una base de datos. David Linke: "Incluso antes del primer experimento, es importante saber todo lo posible. Los experimentos son caros y llevan mucho tiempo".
Catalizador de hierro altamente selectivo
Tanto la síntesis Fischer-Tropsch clásica como la FTS de CO2 suelen realizarse en los llamados reactores de columna de burbujas. Los materiales gaseosos de partida, H2 y CO2, y posteriormente también el monóxido de carbono (CO) que se forma, se abren paso a través de un líquido viscoso que contiene el catalizador a base de hierro o cobalto y todos los productos intermedios y finales.
El resultado del trabajo de investigación en LIKAT fue un catalizador de hierro con una productividad y una selectividad muy elevadas que puede activarse en el reactor de producción. Una selectividad alta significa que se forma muy poco metano no deseado en comparación con los productos finales deseados. Esto se consiguió añadiendo pequeñas cantidades de potasio, cobre y aluminio.
Sin mucho ensayo y error
Hasta la fecha, los químicos han documentado sus hallazgos sobre las reacciones en gráficos y tablas que ilustran la influencia de parámetros importantes como la presión, la temperatura y la composición de la muestra. Aleksandr Fedorov analizó cada punto de medición en un centenar de publicaciones. Al hacerlo, no sólo determinó los criterios decisivos para la eficacia y selectividad de la reacción. También descubrió una contradicción: contrariamente a lo que se describe en la literatura, el CO2 utilizado en la reacción no siempre se convierte en CO. Este hallazgo abre una nueva vía de investigación para seguir mejorando el catalizador.
Fedorov empezó a entrenar redes neuronales artificiales utilizando los datos de su catalizador para la modelización cinética de la hidrogenación de CO2, su modelo de IA. Sólo se necesitó una pequeña cantidad de datos porque siempre hay muy pocos datos de laboratorio por serie de medición. David Linke: "A diferencia de las soluciones habituales de IA lingüística, los grandes modelos lingüísticos, aquí trabajamos con datos pequeños". Para que el modelo pudiera calcular secuencias de reacción plausibles, había que enseñarle reglas físicas básicas.
El gran avance se produjo el pasado otoño, como recuerda David Linke. De repente se obtienen modelos que se comportan de forma razonable. Es un poco como magia". Normalmente, uno se pasa días sentado ante el ordenador intentando encontrar un modelo adecuado. Ahora entreno el modelo de IA, e incluso el viejo portátil lo calcula todo en 30 minutos".
El código fuente como fuente abierta
¿Cuáles son las ventajas de estos modelos de IA? La IA de LIKAT no sólo reduce el tiempo de laboratorio para seguir investigando sobre el CO2 FTS, sino que también aumenta la eficacia de la reacción. Sobre todo, los ingenieros de procesos pueden ahora utilizar el modelo de Aleksandr Fedorov para diseñar y construir el reactor de columna de burbujas con mucha más precisión que antes. Y cualquiera puede utilizar el modelo como matriz para entrenar su propia IA para cualquier número de reacciones.
David Linke, Aleksandr Fedorov y otros han publicado sus hallazgos, incluido el código fuente, como código abierto. David Linke está convencido de que estas herramientas de IA revolucionarán el desarrollo de los procesos químicos desde el laboratorio hasta el reactor.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
