編輯 | X_X
近日，Meta FAIR 與多倫多大學和 VSParticle（荷蘭奈米技術工程公司 ）合作，釋出了開放催化劑實驗 2024（OCx24）資料集，該資料集包含 572 個使用溼法和幹法合成的樣品，並經過 X 射線熒光和 X 射線衍射表徵。為新催化劑的開發提供了寶貴的見解。
該研究是 Meta FAIR 開放催化劑專案的延續，旨在利用人工智慧來建模和發現新的催化劑，應對氣候變化帶來的能源挑戰。
研究人員在實驗室合成並測試了數百種用於催化的金屬合金。透過 6.85 億次 AI 加速模擬，分析了 20,000 種材料，試圖在模擬和現實之間架起橋樑。
在短短几個月的時間裡，OCx24 就識別、合成和測試了 525 種催化劑材料。據稱，這些材料可以在碳捕獲、氫氣生產和電池化學等領域發揮關鍵作用。
相關論文以「Open Catalyst Experiments 2024 (OCx24): Bridging Experiments and Computational Models」為題，於 2024 年 11 月 18 日釋出在 arXiv 預印平臺。
瞭解原子如何相互作用可以帶來許多科學進步，包括將廢棄的二氧化碳轉化為有價值的化學品，創造可持續的航空燃料、新的藥品、可再生能源消費品以及用於各種應用的清潔氫氣。
挑戰在於模擬原子集在計算上非常昂貴，特別是在模擬大量原子或原子系統如何在較長時間尺度上演化時。
為了解決這一問題並推動該領域的研究發展，在過去五年中，Meta FAIR 的化學團隊釋出了多個資料集和 AI 模型，旨在透過 Meta Open Catalyst、Meta Open DAC 和 Meta Open Materials 加快相關領域的計算速度。
與其他通常具有專有性的行業主導的研究不同，這些新工具為更廣泛的學術界帶來了全面的資料集和最先進的模型，從而可以進行更準確、更可擴充套件的研究。
該實驗室正努力將理論概念轉化為實際應用。計算模型通常提供物理世界場景的簡化表示，但它們的結果仍需要在實際實驗室環境中得到驗證。
基於互補的專業知識和資源，Meta FAIR 與多倫多大學和 VSParticle 合作，建立了一條用於合成和測試大量混合金屬催化劑材料的精簡流程。這項為期兩年的研究產生了超過 600 種材料的資料集 OCx24，幫助社群開始彌合計算預測和實驗結果之間的差距。
透過實驗證明計算預測的有效性是一個複雜的過程。它需要合成各種各樣的催化劑，確認生成的材料符合預期目標，最後在工業相關條件下測試催化劑。
實驗+計算
對於實驗篩選，OCx24 採用兩種合成技術，即化學還原和火花燒蝕，合成了 572 個樣品，涵蓋了 13 種不同元素的多種樣品。
為了表徵每個樣品，分別進行了 X 射線熒光 (XRF) 和 X 射線衍射 (XRD) 以確定其成分並闡明合成樣品的純度和結構。使用自動化 XRD 多相識別管道識別出純度更高、結構與目標材料一致的相。彙總相似成分後，剩餘 179 個實驗目標用於下游建模工作。
圖示：實驗流程，從合成到特性分析和測試過程。（來源：論文）
研究準備了 441 個氣體擴散電極（包括重複品），並在電流密度高達 300 mA/cm^2 下，使用零間隙電解對其進行了二氧化碳還原（CO2RR）和析氫反應（HER）評估。
對於計算篩選，OCx24 計算了 19,406 種材料的 6 種吸附中間體（OH、CO、CHO、C、COCOH、H）的吸附能。考慮了材料專案（MP）、開放量子材料資料庫（OQMD）和 Alexandria 中在反應條件下 (Pourbaix 分解能小於 0.05 eV/原子) 具有熱力學穩定性的任何材料。使用結合 AI 和 DFT 計算的 AdsorbML 管道，對米勒指數高達 2 的表面終端執行吸附能計算。
這項工作需要 6.85 億個結構弛豫和 ∼2000 萬個 DFT 單點，是迄今為止任何應用領域最大規模的催化劑計算篩選。
透過結合實驗和計算結果，研究人員建立了氫析出反應的預測模型。使用 H 和 OH 的吸附能作為特徵，對模型進行訓練，以預測 50 mA/cm^2 產率下的電池電壓。
為了進行測試，多倫多大學開發了一條高通量測試管道，每天可以進行 30 次實驗。研究人員測試了用於綠色氫氣生產的催化劑，目的是找到可以替代昂貴的鉑基氫析出反應 (HER) 催化劑的新型低成本催化劑。
使用基於實驗資料的擬合線性模型，研究人員對 19,406 種材料進行推理，識別出 Sabatier volcano 的頂部附近含有鉑，即使訓練資料中沒有 Pt 合金。這項分析揭示了數百種潛在的 HER 催化劑，其中許多由低成本元素製成，可提供潛在的經濟實惠的替代品。
實驗結果與計算描述符之間的相關性隨著訓練資料集大小的增加而提高。透過此分析，研究人員預測將資料集大小增加到 10^4 或 10^5 將允許構建更多預測模型。
由於 CO、H2、CH4 和 C2H4 等多種產物的存在，評估 CO2 還原模型十分複雜。預測結果顯示 H2 和 CO 之間存在相當的相關性，但要捕捉完整的反應複雜性仍存在挑戰。
結語
從開展化學和材料科學研究的 Open Catalyst 專案開始，該團隊就專注於氣候應用，例如可再生能源儲存、綠色氫氣生產和可再生能源燃料生產。為推動這些過程的反應尋找低成本且有效的催化劑對於實現碳淨零未來至關重要。成功完成這一研究挑戰為改變世界提供了機會，類似於研究蛋白質以發現藥物。
「透過這次合作，我們在材料發現方面取得了新突破。」Meta AI 研究主管 Larry Zitnick 說，「這標誌著我們預測和驗證清潔能源解決方案關鍵材料的能力有了重大飛躍。我們在電催化劑上取得的研究成果表明，人工智慧在應對緊迫氣候挑戰方面具有巨大潛力。」
「透過以前所未有的速度生產獨特的電催化劑，我們與 Meta 和多倫多大學的合作不僅有助於驗證多年的理論，而且還縮短了從發現到應用的時間表；掃清了數十年來阻礙先進材料發展的瓶頸。」 VSParticle 聯合創始人兼執行長 Aaike van Vugt 表示。
展望未來，研究人員很高興能繼續利用人工智慧幫助緩解氣候變化的影響，並繼續探索人工智慧在材料科學發現中的其他有影響力的應用。
潛在的應用範圍非常廣泛。例如，除了這項關於催化劑的研究之外，該團隊還與 Meta 的 Reality Lab Research 合作，在原子水平上對材料進行建模，以發現可用於推動 AR 眼鏡創新的新型晶體。
研究人員堅信，隨著人工智慧模型變得更加高效，並提高其在各種材料和分子中的推廣能力，我們將看到各個行業的突破，這將對人類以及我們與技術的互動方式產生深遠的影響。
相關內容：
文內影片連結：https://mp.weixin.qq.com/s/FTrs1kJGlWrZShDUZUjHtQ