Neue Methode zur Untersuchung von Katalysatoren könnte zu besseren Batterien führen
Ein neuer Algorithmus öffnet die Tür für den Einsatz von KI und maschinellem Lernen zur Untersuchung der Wechselwirkungen auf der Oberfläche von Materialien
Wissenschaftler und Ingenieure untersuchen die atomaren Wechselwirkungen, die auf der Oberfläche von Materialien stattfinden, um energieeffizientere Batterien, Kondensatoren und andere Geräte zu entwickeln. Die genaue Simulation dieser grundlegenden Wechselwirkungen erfordert jedoch eine immense Rechenleistung, um die geometrischen und chemischen Feinheiten vollständig zu erfassen, und die derzeitigen Methoden kratzen nur an der Oberfläche.
"Zurzeit ist es unerschwinglich, und es gibt keinen Supercomputer auf der Welt, der eine solche Analyse durchführen kann", sagt Siddharth Deshpande, Assistenzprofessor an der Fakultät für Chemieingenieurwesen der Universität Rochester. "Wir brauchen clevere Methoden, um diesen großen Datensatz zu verwalten, Intuition zu nutzen, um die wichtigsten Wechselwirkungen auf der Oberfläche zu verstehen, und datengesteuerte Methoden anzuwenden, um den Probenraum zu reduzieren.
Durch die Bewertung der strukturellen Ähnlichkeit verschiedener atomarer Strukturen fanden Deshpande und seine Studenten heraus, dass sie sich ein genaues Bild von den beteiligten chemischen Prozessen machen und die relevanten Schlussfolgerungen ziehen konnten, indem sie nur zwei Prozent oder weniger der einzigartigen Konfigurationen von Oberflächenwechselwirkungen analysierten. Sie entwickelten einen Algorithmus, der diese Erkenntnis widerspiegelt und den sie in einer in Chemical Science veröffentlichten Studie beschreiben.
In der Studie nutzten die Autoren den Algorithmus, um zum ersten Mal die Feinheiten einer defekten Metalloberfläche und deren Einfluss auf die Kohlenmonoxid-Oxidationsreaktion zu analysieren, was wiederum zum Verständnis der Energieverluste in einer Alkohol-Brennstoffzelle beitragen kann. Deshpande sagt, dass der von ihnen entwickelte Algorithmus die Dichtefunktionaltheorie übertrifft, eine quantenmechanische Modellierungsmethode, die er als "Arbeitspferd" der letzten Jahrzehnte zur Untersuchung der Struktur von Materialien bezeichnet.
"Diese neue Methode bildet die Grundlage für die Einbeziehung von maschinellem Lernen und künstlicher Intelligenz", sagt Deshpande. "Wir wollen diese Methode auf schwierigere und anspruchsvollere Anwendungen anwenden, wie z. B. das Verständnis der Elektroden-Elektrolyt-Interferenz in Batterien, der Wechselwirkungen zwischen Lösungsmittel und Oberfläche in der Katalyse und von Multikomponentenmaterialien wie Legierungen."
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
Meistgelesene News
Weitere News von unseren anderen Portalen
Verwandte Inhalte finden Sie in den Themenwelten
Themenwelt Batterietechnik
Die Themenwelt Batterietechnik bündelt relevantes Wissen in einzigartiger Weise. Hier finden Sie alles über Anbieter und deren Produkte, Webinare, Whitepaper, Kataloge und Broschüren.
Themenwelt Batterietechnik
Die Themenwelt Batterietechnik bündelt relevantes Wissen in einzigartiger Weise. Hier finden Sie alles über Anbieter und deren Produkte, Webinare, Whitepaper, Kataloge und Broschüren.