Революция в колонизации Марса: роботизированный химический прорыв на базе искусственного интеллекта в автономном производстве катализаторов для производства кислорода

Исследователи провели теоретические расчеты и эксперименты по оптимизации марсианских метеоритов для реакции выделения кислорода (OER). Модели нейронной сети (NN) были разработаны для прогнозирования каталитических свойств на основе минерального состава. Используя байесовскую оптимизацию, исследование определяет оптимальный минеральный состав, обеспечивающий наибольшую каталитическую активность. Результаты демонстрируют превосходную эффективность байесовской оптимизации по сравнению с локальной оптимизацией с ограниченными экспериментальными данными. Эта работа дает ценную информацию о конструкции катализаторов OER с использованием марсианских метеоритов, демонстрируя потенциал вычислительных подходов в материаловедении.

Исследование оптимизирует каталитическую активность марсианских метеоритов для ООР посредством ряда теоретических расчетов и экспериментов. Модели NN прогнозируют каталитические свойства на основе минерального состава. Исследование дает представление о конструкции катализатора для ООР с использованием марсианских метеоритов. Характеристика высокоэнтропийных гидроксидов с помощью молекулярно-динамического моделирования и расчетов теории функционала плотности (DFT) подчеркивает важность структурных особенностей и состава при определении активности OER.

Исследование направлено на улучшение каталитической активности марсианских метеоритов в ООР. Для достижения этой цели исследование сочетает теоретические расчеты с эмпирическими данными. В исследовании используются модели нейронной сети для прогнозирования каталитических свойств и сравнивается этот подход с локальной оптимизацией, основанной на ограниченных экспериментальных данных. Конечная цель — дать представление о конструкции эффективных катализаторов OER, которые используют марсианские метеориты для устойчивого преобразования энергии.

Модели NN были обучены прогнозировать каталитические свойства на основе минерального состава высокоэнтропийных гидроксидов. Байесовская оптимизация использовалась для определения оптимального минерального состава для максимизации каталитической активности в ООР. Теоретические расчеты, включая сканирование точек сетки и расчеты DFT, позволили оценить активность OER различных минеральных составов. Экспериментальные данные роботизированных экспериментов и кривые активации циклической вольтамперометрии подтвердили предсказания модели NN и направленной оптимизации. Измерения электрохимической импедансной спектроскопии и амперометрические тесты позволили оценить электрохимические характеристики катализаторов. Исследователи автоматизировали электрохимические характеристики, используя код Python, написанный исследователем. Синтез катализатора включает:

• Приготовление сырьевых растворов из марсианских метеоритов.
• Отрегулируйте pH
• Установка спускового крючка на пеноникелевой подложке

Исследователи успешно улучшили каталитическую активность марсианских метеоритов OER, используя сочетание теоретических расчетов и экспериментальных данных. Модели NN были обучены для прогнозирования каталитических свойств на основе минерального состава высокоэнтропийных гидроксидов, а байесовская оптимизация использовалась для определения оптимального минерального состава для максимизации каталитической активности. Используя теоретические и экспериментальные данные, модель машинного обучения создала оптимальную синтетическую формулу катализатора, превосходящую другие методы. Композитные катализаторы на основе оптимизированного состава металлов показали улучшенные характеристики OER, о чем свидетельствуют зависящие от времени кривые плотности тока и электрохимические измерения. В ходе исследования также количественно проанализированы синтетические формулы катализаторов и различия в пропорциях металлов среди них.

Исследование завершается демонстрацией независимого синтеза катализаторов OER из марсианских метеоритов на Марсе опытным химиком в области искусственного интеллекта. Эта независимая система выполняет все экспериментальные этапы, от анализа сырья до тестирования производительности, демонстрируя высокую точность и интеллектуальный анализ при определении идеальной формулы. Объединив экспериментальные и расчетные данные, оптимизация на месте ускоряет создание моделей и поиск формул. Существующие протокол и система обещают улучшить автоматизированное обнаружение материалов и химический синтез, а также поддержать освоение и исследование внеземных планет.

Проверить бумага. Вся заслуга в этом исследовании принадлежит исследователям этого проекта. Также не забудьте присоединиться У нас есть более 33 тысяч ML SubReddit, 41 тысяча+ сообществ Facebook, Дискорд канал, И Информационный бюллетень по электронной почтегде мы делимся последними новостями исследований в области искусственного интеллекта, интересными проектами в области искусственного интеллекта и многим другим.

Если вам нравится наша работа, вам понравится наш информационный бюллетень.