Химики в Новосибирске при поддержке РНФ разработали на основе машинного обучения инструментарий для предсказания материалов, востребованных в нефтепереработке для получения бензина из тяжелых фракций нефти.
Источник: Freepik
Технология позволяет создавать эффективные материалы с заданными свойствами, сообщили ТАСС в пресс-службе Федерального исследовательского центра (ФИЦ) «Институт катализа СО РАН».
Речь идет о цеолитах типов X и Y, имеющих структуру минерала фожазита — это особые пористые материалы. Цеолиты X используют для разделения газовых смесей, например, в производстве медицинского кислорода и получении чистого водорода, а цеолиты Y — в составе катализаторов нефтяного крекинга, где из тяжелых фракций нефти получают бензин и легкие олефины. В таких материалах есть положительно заряженные частицы — катионы, которые компенсируют отрицательный заряд структуры материала. Их расположение влияет на способность материала избирательно поглощать примеси.
«Сначала ученые создали алгоритм взаимодействия катионов с каркасом цеолита, который позволил рассчитать с помощью методов молекулярного моделирования размещение катионов в 4 тысячах цеолитах различного состава. Результаты этих исследований легли в основу модели машинного обучения, которая практически мгновенно предсказывает распределение катионов. Ее точность проверили на опубликованных экспериментальных данных о более чем 100 структурах цеолитов», — рассказали в пресс-службе.
Ведущий научный сотрудник Отдела материаловедения и функциональных материалов института Иван Гренев пояснил, что через изучение строения цеолитов, ученые лучше понимают, как управлять их способностью поглощать разные вещества. Исследователи создали упрощенную модель, которая почти мгновенно показывает расположение положительно заряженных частиц с изучаемых материалах. С такой моделью можно быстро перебирать варианты и находить лучшие материалы для разделения смесей. Инструмент находится в открытом доступе для всех желающих.
В пресс-службе добавили, что в рамках гранта РНФ специалисты института разрабатывают подход многоуровневого скрининга сорбентов для процессов газоразделения. Следующий этап — предсказание адсорбционных свойств материалов, в том числе в динамических системах.
