KI findet innerhalb kürzester Zeit bessere Katalysatoren für die Methanolherstellung
Katalysatoren sind die fleißigen Helfer der Chemie, doch die richtigen zu finden, gleicht der Suche nach der Nadel im Heuhaufen. Forschende haben nun eine KI-gestützte Methode entwickelt, die die Suche automatisiert. Das Ergebnis: schnelle Ergebnisse mit hoher Zuverlässigkeit.
Dieser Roboterarm transferiert Glasfläschchen in eine Zentrifuge. Er ist Teil einer Robotereinheit, die Katalysatoren vollständig autonom nach den Vorgaben von Berechnungen eines KI-Modells herstellt.
Foto: ETH Zürich / Michel Büchel
Methanol kann als umweltfreundlicher Kraftstoff oder Wasserstoffspeicher helfen, die Energiewende voranzutreiben. Für die Herstellung braucht es jedoch geeignete Katalysatoren, welche die Reaktionen beschleunigen und den Energieaufwand reduzieren. Forschende der ETH Zürich haben nun eine Plattform entwickelt, die mithilfe von künstlicher Intelligenz hilft, bessere Katalysatoren zu finden. Die Technologieplattform beschleunigt aber auch die Suche nach anderen Katalysatoren.
Katalysatoren sind die fleißigen Helfer in der Chemie
Katalysatoren spielen in der Chemie eine entscheidende Rolle, indem sie Reaktionen beschleunigen und den Energieaufwand verringern. Ihre Effizienz und Spezifität sind entscheidend, um unerwünschte Nebenreaktionen zu minimieren. Während in der Natur Enzyme gezielt bestimmte Stoffwechselvorgänge katalysieren, werden in technischen Prozessen häufig Metallkatalysatoren eingesetzt, um die Ausbeute an gewünschten Produkten zu erhöhen.
Ein Forschungsteam der Technologieplattform Swiss Cat+ an der ETH Zürich unter der Leitung von Paco Laveille hat nun einen wichtigen Fortschritt erzielt. Es hat eine vollständig digitalisierte und automatisierte Methode entwickelt, mit der neue und effizientere Metallkatalysatoren viel schneller als bisher identifiziert werden können. Die Innovation kombiniert künstliche Intelligenz zur Vorhersage vielversprechender Katalysatorzusammensetzungen mit einem automatisierten Synthese- und Testlabor.
150 Katalysatoren innerhalb von sechs Wochen
Wie das Forschungsteam berichtet, gelang es ihm, innerhalb von sechs Wochen rund 150 Katalysatoren zu entwickeln, die sich für die Herstellung des Energieträgers Methanol aus CO2 eignen. Das ist viel, sogar sehr viel. Dazu war die Herstellung sehr kostengünstig. Die neuen Katalysatoren zeigten zudem hohe Umwandlungsraten und einen geringen Anteil an Nebenprodukten. Laveille zeigt sich begeistert: „Der Zeitgewinn durch die neue Methode ist enorm. Mit einem traditionellen Vorgehen hätten unsere Experimente viele Jahre gedauert.“
Methanol gilt als zentraler Baustein einer nachhaltigen Kohlenwasserstoffwirtschaft. Diese chemische Verbindung, die eng mit dem in Getränken enthaltenen Alkohol Ethanol verwandt ist, dient sowohl als Kraftstoff als auch als Ausgangsstoff für die Herstellung organischer Produkte wie Arzneimittel, Kunststoffe und Farbstoffe. Im Vergleich zu Wasserstoff und Methan, die ebenfalls als Energieträger genutzt werden, zeichnet sich Methanol durch eine einfachere Lagerung und Transportierbarkeit aus. Zudem kann die bestehende Infrastruktur mit minimalen Änderungen auf Methanol umgestellt werden, was auch für die Benzinmotoren gilt.
Suche nach der Nadel im Heuhaufen
Die Herausforderung bei der Suche nach effizienten Katalysatoren für die Methanolproduktion liegt in der schier unendlichen Zahl möglicher Atomkombinationen, die theoretisch als Katalysator dienen könnten. Christophe Copéret, Professor an der ETH Zürich, veranschaulicht das Problem mit einem Vergleich: Der „chemische Raum“ für potenzielle Katalysatoren umfasst rund 100 Quintillionen (10^20) Möglichkeiten, was die Suche nach der optimalen Lösung enorm erschwert.
Um dieses Problem in den Griff zu bekommen, haben die Forscher eine Vorauswahl getroffen, die auf Erfahrung und wirtschaftlichen Überlegungen beruht. Effiziente Katalysatoren müssen nicht nur leistungsfähig, sondern auch kostengünstig sein. Deshalb beschränkte sich das Team auf drei relativ preiswerte Metalle als Hauptbestandteile der Katalysatoren: Eisen, Kupfer und Kobalt.
Hinzu kamen drei weitere Elemente, die üblicherweise in geringen Mengen als Zusätze (Dotierungen) verwendet werden, sowie Kalium, ein weiterer häufiger Bestandteil von Katalysatoren. Bei den Trägermaterialien konzentrierten sich die Forscherinnen und Forscher auf vier gängige Metalloxide. Selbst nach dieser Einschränkung blieben noch 20 Millionen mögliche Kombinationen übrig, was die Komplexität der Aufgabe verdeutlicht.
KI-Algorithmus liefert schnelle Resultate mit hoher Verlässlichkeit
Angesichts der Vielzahl von Möglichkeiten zur Herstellung von Katalysatoren wurde ein KI-Algorithmus entwickelt, der mittels Bayes’scher Optimierung effiziente Lösungen ermittelt. Diese Methode, die besonders für kleine Datenmengen geeignet ist, basiert auf der Erwartungswahrscheinlichkeit aufgrund des aktuellen Wissensstandes, im Gegensatz zur klassischen Statistik, die relative Häufigkeiten aus umfangreichen Experimenten verwendet.
Um die Komplexität zu begrenzen, wählte der Algorithmus in einem ersten Schritt zufällig 24 Katalysatorzusammensetzungen aus, die dann in der automatisierten Laborumgebung von Swiss Cat+ hergestellt und getestet wurden. Die Ergebnisse dieser Tests bildeten die Grundlage für weitere KI-basierte Zusammensetzungsprognosen, die ebenfalls automatisiert synthetisiert und getestet wurden. Dieser Prozess wurde in insgesamt sechs Durchläufen im Rahmen eines ersten Demonstrationsprojekts durchgeführt, wobei die Forschenden ihr integriertes System nutzten.
Die sprunghafte Verbesserung der Ergebnisse von Runde zu Runde war ein gewollter Effekt, wie das Forschungsteam erläutert. Der Algorithmus kombiniert die Optimierung der bisherigen Ergebnisse mit einer explorativen Komponente, die in jeder Runde neue Varianten einführt. Damit vermeiden die Forscherinnen und Forscher, dass die Berechnungen in einer Sackgasse der Optimierung innerhalb des großen Möglichkeitsraums stecken bleiben.
KI-gestütztes Roboterlabor soll Katalysatorforschung gutes Stück nach vorne bringen
In diesem ersten Projekt konzentrierten sich die Forschenden nicht primär darauf, den optimalen Katalysator für die Methanolsynthese zu identifizieren. ETH-Professor Copéret erklärt, dass das heutige Verständnis von Katalysatoren für die Treibstoffproduktion weitgehend auf Erkenntnissen aus der Erdölindustrie beruht und verlässliche Daten für Reaktionen im Bereich der nachhaltigen Energien noch weitgehend fehlen.
Diese Daten sind jedoch unerlässlich, um die Suche nach neuen chemischen Lösungen mithilfe von KI-Algorithmen und Forschungsexpertise effizienter zu gestalten. Laveille fügt hinzu, dass sein KI-gestütztes Roboterlabor nun genau diese qualitativ hochwertigen und reproduzierbaren Daten liefert, was einen bedeutenden Fortschritt in der Katalysatorforschung darstellen wird.
Ein Beitrag von:
