L’intelligenza artificiale e un’infrastruttura di laboratorio automatizzata stanno accelerando in modo massiccio lo sviluppo di nuovi catalizzatori chimici. In questo modo, i ricercatori del Politecnico di Zurigo hanno sviluppato catalizzatori per la sintesi efficiente ed economica della fonte energetica metanolo da CO2.
I catalizzatori sono i piccoli aiutanti laboriosi dei chimici. Accelerano le reazioni e riducono l’energia necessaria per il loro svolgimento. Quanto più specifico ed efficace è un catalizzatore, tanto più efficacemente vengono soppresse le reazioni collaterali indesiderate. In natura, sono gli enzimi ad amplificare in modo specifico i processi metabolici richiesti dalle quasi infinite possibilità di reazione del brodo chimico delle cellule. Negli impianti tecnici, i catalizzatori metallici sono solitamente utilizzati per aumentare la resa dei prodotti.
I ricercatori della piattaforma tecnologica svizzera Cat+ del Politecnico di Zurigo, guidati da Paco Laveille, hanno ora sviluppato un metodo completamente digitalizzato e automatizzato che consente loro di trovare nuovi e migliori catalizzatori metallici molto più velocemente di prima. Hanno combinato l’intelligenza artificiale (AI) per calcolare le composizioni promettenti dei catalizzatori con un laboratorio di sintesi e test automatizzato.
Con questa infrastruttura, in sei settimane sono riusciti a sviluppare circa 150 catalizzatori per la produzione della fonte energetica metanolo da CO2. I nuovi catalizzatori sono economicamente vantaggiosi e presentano alti tassi di conversione con una bassa percentuale di sottoprodotti. "Il tempo risparmiato con il nuovo metodo è enorme", riassume Laveille. "Con un approccio tradizionale, i nostri esperimenti avrebbero richiesto molti anni".
Il metanolo è considerato uno degli elementi chiave per un’economia sostenibile degli idrocarburi. La sostanza, strettamente correlata dal punto di vista chimico all’etanolo, può essere utilizzata sia come combustibile che come materia prima per la produzione di composti organici come farmaci, plastiche e vernici. A differenza dei due gas idrogeno e metano, che possono essere utilizzati anche come fonti di energia, il liquido è molto più facile da trasportare e immagazzinare. Inoltre, l’infrastruttura di rifornimento e i motori della tecnologia a benzina esistente possono continuare a essere utilizzati con il metanolo con solo piccole modifiche.
Restringere le opzioni con una preselezione intelligente
Il grande problema nella ricerca di catalizzatori ottimali per la produzione di metanolo è che, in teoria, esiste un numero praticamente infinito di modi di combinare gli atomi per formare un catalizzatore. "Lo spazio chimico in cui cerchiamo i catalizzatori comprende circa 10x#20 possibilità (cento miliardi di miliardi). Quindi dobbiamo letteralmente trovare l’ago nel pagliaio chimico", spiega Christophe Copéret, professore presso il Laboratorio di Chimica Inorganica del Politecnico di Zurigo e co-iniziatore del progetto Swiss-Cat+.
Per restringere l’enorme gamma di possibilità, i ricercatori hanno effettuato una preselezione basata sull’esperienza e sui requisiti economici. Un catalizzatore che può essere utilizzato su larga scala deve essere non solo efficace, ma anche poco costoso. I principali ingredienti attivi del catalizzatore sono stati quindi limitati ai tre metalli relativamente economici ferro, rame e cobalto.
A questi metalli principali si sono aggiunti tre elementi che tradizionalmente vengono aggiunti ai catalizzatori in piccole quantità come cosiddetti droganti, oltre al potassio, anch’esso contenuto in molti catalizzatori. I ricercatori si sono limitati a quattro ossidi metallici tipici per i materiali di supporto. Moltiplicati per i diversi rapporti di miscelazione, il risultato è stato comunque di 20 milioni di combinazioni possibili.
Con statistiche supportate dall’intelligenza artificiale e in fasi iterative
A questo punto è entrato in gioco un algoritmo di intelligenza artificiale che utilizza la cosiddetta ottimizzazione bayesiana per trovare le migliori soluzioni possibili. Questa speciale forma di statistica è particolarmente adatta quando è disponibile solo una piccola quantità di dati. A differenza della statistica classica, la probabilità non deriva dalla frequenza relativa, che viene calcolata da molti esperimenti. Il calcolo si basa invece sulla probabilità che ci si può aspettare in base allo stato attuale delle conoscenze.
In una prima fase, l’algoritmo ha selezionato casualmente 24 composizioni di catalizzatori in base alle specifiche fatte per limitare la complessità. Queste sono state prodotte direttamente nell’infrastruttura di laboratorio automatizzata di Swiss Cat+ e poi testate.
Molti risultati in tempi rapidi con un’elevata affidabilità
I risultati di questa selezione iniziale sono serviti ai ricercatori come punto di partenza per una previsione dell’intelligenza artificiale. Anche le composizioni previste sono state sintetizzate e testate automaticamente. In questa prima prova dimostrativa, gli scienziati hanno sottoposto il loro sistema integrato a un totale di sei prove di questo tipo.
Il fatto che i risultati non siano migliorati linearmente tra i vari round, ma piuttosto a passi da gigante, è stato del tutto intenzionale. Oltre a ottimizzare i risultati dei turni preliminari, l’algoritmo comprende anche una componente esplorativa, che è stata utilizzata per inserire versioni completamente nuove delle composizioni in ogni turno. In questo modo, i ricercatori hanno evitato che i calcoli rimanessero bloccati in un vicolo cieco di ottimizzazione dell’ampio spazio delle possibilità.
Generare dati al di là della chimica del petrolio
Per i ricercatori, tuttavia, questo primo progetto non riguardava tanto la ricerca del miglior catalizzatore possibile per la sintesi del metanolo. "Le conoscenze sui catalizzatori per la produzione di carburanti si basano ancora in gran parte sulle competenze dell’industria petrolifera", afferma il professor Copéret dell’ETH. "Mancano ancora dati affidabili sulle reazioni dell’industria dell’energia sostenibile". Tuttavia, ciò è necessario affinché gli algoritmi di IA e l’intelligenza umana di ricerca possano cercare nel vasto spazio delle possibilità chimiche in modo più mirato. "È proprio questo tipo di dati di alta qualità e riproducibili che il nostro laboratorio robotico supportato dall’AI sta ora fornendo. Il laboratorio porterà la ricerca sui catalizzatori in generale molto più avanti", aggiunge Laveille.
Un’infrastruttura tecnologica complessa
"Lo Swiss-Cat+ Hub ci fornisce una complessa infrastruttura di ricerca che non potremmo gestire da soli con i gruppi dei nostri istituti", spiega Christophe Copéret del Dipartimento di Chimica e Bioscienze Applicate del Politecnico di Zurigo. La ricerca nelle università dipende in larga misura dai dottorandi, che rimangono solo per pochi anni. Ogni volta che uno studente di dottorato se ne va, gran parte delle competenze acquisite vanno perse. Swiss Cat+, invece, è una piattaforma tecnologica progettata per lavorare con esperti assunti a tempo indeterminato che possono ampliare continuamente le loro competenze e sviluppare ulteriormente l’infrastruttura con le tecnologie più recenti.
Avviato nel 2019 da Copéret e Nicolai Kramer, professore dell’EPFL, lo Swiss-Cat+-Hub mette a disposizione di ricercatori universitari e industriali infrastrutture all’avanguardia in due sedi a Zurigo e Losanna. Queste permettono di progettare catalizzatori con l’aiuto di strumenti di analisi dei dati di intelligenza artificiale e di produrli in laboratori automatizzati ad alto rendimento e di testarne l’efficacia. Decine di progetti del Politecnico utilizzano già le due piattaforme.
Riferimenti
Ramirez A, Lam E, Pacheco Gutierrez D, Hou Y, Tribukait H, Roch LM, Copéret C, Laveille P: Accelerated Exploration of Heterogenous CO2 Hydrogenation Catalysts by Bayesian-optimised High-throughput and Automated Experimentation. Chem Catalysis, 18 gennaio 2024, doi: pagina esterna 10.1016/j.checat.2023.100888 call_made
Laveille P, Miéville P, Chatterjee S, Clerc E, Cousty JC, de Nanteuil F, Lam E, Mariano E, Ramirez A, Randrianarisoa U, Villat K, Copéret C, Cramer N: Swiss Cat+, a Data-driven Infrastructure for Accelerated Catalysts Discovery and Optimisation. Chimia 2023, 77: 154, doi: pagina esterna 10.2533/chimia.2023.154 call_made
Daniel Meierhans
