Катализ и химикаты

Описание
Отфильтруйте составы катализаторов и маршруты реакций путем прогнозирования. MatterSeek прогнозирует свойства каталитических материалов на основе состава, а затем проверяет их в автономной лаборатории.

Катализ и химикаты — система материалов / прогнозируемые характеристики / путь проверки
Искусственный интеллект для поиска катализаторов: проверяйте активные фазы и поддержку перед запуском реактора
Он прогнозирует свойства каталитических материалов на основе химического состава, поэтому активные фазы, промоторы и материалы подложки можно ранжировать до запуска реактора или проведения электрохимических испытаний.
Активность, селективность и стабильность связаны с составом нелинейным образом, и каждая экспериментальная оценка требует времени реактора, сырья и аналитических возможностей. Интуитивный отбор означает, что большие области композиционного пространства никогда не исследуются, включая те, которые обеспечивают наилучший компромисс между активностью и долговечностью.
MatterSeek прогнозирует семейства электрохимических и термодинамических свойств на основе состава, включая потенциал начала выделения кислорода и наклон Тафеля выделения кислорода — две величины, которые наиболее непосредственно ранжируют электрокатализаторы по выделению кислорода — наряду с температурой плавления, коэффициентом Зеебека, коэффициентом мощности и термоэлектрической эффективностью. Обработка состава поддерживает от одного до четырех базовых элементов с точностью уровня допирования 0,02, поэтому исследования промоторов и легирующих примесей моделируются с той степенью детализации, которая фактически указана. Раунд прогнозирования занимает около одной минуты для двух базовых элементов, двух для трех и семи для четырех.
не просто список. Результаты возвращаются в виде радиолокационных диаграмм с несколькими свойствами для одновременного сравнения кандидатов по нескольким показателям, двухмерных и трехмерных тепловых карт, которые показывают, как свойства, связанные с деятельностью, меняются в диапазоне состава, а также экспортируемых таблиц для проверки проекта.
Композиции, вошедшие в шорт-лист, переезжают в автономную лабораторию MatterSeek площадью 1200 м². Два из шести технологических кластеров напрямую связаны с работой катализаторов: кластер мокрой химии охватывает подготовку прекурсоров, гидротермальный и сольвотермический синтез, прокаливание и стадию испытаний на выщелачивание; Золь-гель-кластер охватывает гидролиз золя, старение геля, замену растворителя и сверхкритическую сушку CO₂ — стандартный путь к носителям с большой площадью поверхности и носителям катализаторов в виде аэрогелей. Автоматизированная характеристика включает анализ площади поверхности по БЭТ, рентгенографический анализ, рамановский анализ и одновременный термический анализ с заявленной целью от 300 до 500 образцов в день в зависимости от маршрута.
Рассматриваемые семейства каталитических материалов включают нанесенные металлические и оксидные катализаторы, цеолитные и пористые носители, электрокатализаторы выделения кислорода, фотокатализаторы и термоэлектрические материалы.
Часто задаваемые вопросы
Вопрос: Какие каталитические свойства можно предсказать?
A: Электрохимические и термодинамические семейства, включая потенциал начала выделения кислорода, наклон Тафеля выделения кислорода, температуру плавления и термоэлектрические параметры, такие как коэффициент Зеебека и добротность.
Вопрос: Может ли компания MatterSeek разработать поддержку катализаторов наряду с активными фазами?
А: Да. Вспомогательные материалы являются частью пространства композиции, а золь-гель и сверхкритическая сушка в автономной лаборатории специально подходят для носителей с большой площадью поверхности.
Вопрос: Как измеряется площадь поверхности катализатора?
Ответ: Автоматический анализ БЭТ выполняется в автономной лаборатории как часть цепочки характеризации.
Yuyao (Beijing) Technology Co., Ltd. — профессиональная компания, специализирующаяся на сочетании искусственного интеллекта и современных материалов для катализа и химикатов. Компания самостоятельно разработала MatterSeek — фундаментальную большую модель, адаптированную для сектора материалов, — и впервые внедрила алгоритм HNN (иерархическая нейронная сеть), одновременно создав собственную, управляемую базу данных экспериментов с материалами.

