• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Forskare designar intelligent mikrosystem för snabbare, mer hållbar industrikemi

    Mikrosystemet för analys av polymerkatalys och screening, i Ryan Hartmans laboratorium, professor i kemisk och biomolekylär teknik. Upphovsman:NYU Tandon School of Engineering

    Syntesen av plastprekursorer, såsom polymerer, innefattar specialiserade katalysatorer. Dock, den traditionella satsbaserade metoden för att hitta och screena de rätta för ett givet resultat förbrukar liter lösningsmedel, genererar stora mängder kemiskt avfall, och är dyrt, tidskrävande process som involverar flera försök.

    Ryan Hartman, professor i kemisk och biomolekylär teknik vid NYU Tandon School of Engineering, och hans laboratorium utvecklade ett labbbaserat "intelligent mikrosystem" som använder maskininlärning, för modellering av kemiska reaktioner som visar lovande för att eliminera denna kostsamma process och minimera miljöskador.

    I sin forskning, "Kombinera automatiserat mikrofluidiskt experiment med maskininlärning för effektiv polymerisationsdesign, "publicerad i Nature Machine Intelligence , medarbetarna, inklusive doktoranden Benjamin Rizkin, använde en specialdesignad, snabbt prototyperade mikroreaktorer i samband med automatisering och in situ infraröd termografi för att studera exoterm (värmegenererande) polymerisation - reaktioner som är notoriskt svåra att kontrollera när begränsade experimentella kinetiska data finns tillgängliga. Genom att para ihop effektiv mikrofluidisk teknik med algoritmer för maskininlärning för att erhålla högupplösta datauppsättningar baserade på minimala iterationer, de kunde minska kemiskt avfall med två storleksordningar och katalytisk upptäckt från veckor till timmar.

    Hartman förklarade att utformningen av mikrofluidisk installation krävde att teamet först uppskattade termodynamiken för polymerisationsreaktioner, i detta fall som omfattar en klass av metallocenkatalysatorer, används i stor utsträckning vid polymerisation av polyeten och andra termoplastiska polymerer i industriell skala.

    "Vi utvecklade först en uppskattning av storleksordning av värme och masstransport, "sade Hartman." Kunskapen om dessa mängder gjorde att vi kunde designa en mikrofluidisk enhet som kan screena katalysatorernas aktivitet och erbjuda skalbara mekanismer som efterliknar den inneboende kinetiken som behövs för processer i industriell skala. "

    Hartman tillade att ett sådant bänkskivsystem kan öppna dörren till en rad andra experimentella data. "Det kan ge sammanhang för att analysera andra egenskaper av intresse, till exempel hur strömblandning, dispersion, värmeöverföring, massöverföring, och reaktionskinetiken påverkar polymeregenskaper, " han förklarade.

    Med hjälp av en klass av zirkonocenbaserade polymerkatalysatorer, forskargruppen kopplade mikrofluidik - bevisat i forskning av andra exoterma reaktioner - med en automatiserad pump och infraröd termografi för att upptäcka förändringar i reaktivitet baserat på exotermier (föreningar som avger värme under deras bildning) vilket resulterar i effektiv, snabba experiment för att kartlägga katalysatorns reaktionsutrymme. Eftersom processen genomfördes i en liten reaktor, de kunde introducera katalysatorn upplöst i vätska, vilket eliminerar behovet av extrema förhållanden för att inducera katalys.

    "Faktum är att, de flesta plaster tillverkas med metallocenkatalysatorer bundna till kiseldioxidpartiklar, skapa ett heterogent substrat som polymeriserar monomerer som propen och eten, "sade Hartman." De senaste framstegen inom homogen katalysator av upplöst metallocen möjliggör mildare reaktionsförhållanden. "

    Hartmans grupp visade tidigare att artificiella neurala nätverk (ANN) kan användas som ett verktyg för modellering och förståelse av polymerisationsvägar. I den nya forskningen använde de ANN för modellering av den zirkonocenkatalyserade exoterma polymeriseringen. Använda MATLAB och LabVIEW -system för att kontrollera reaktionerna, gränssnitt med externa enheter, och generera avancerade beräkningsalgoritmer, forskarna genererade en serie ANN för att modellera och optimera katalys baserat på experimentella resultat.

    "Kemiska företag använder vanligtvis 100-milliliter till 10-liters reaktorer för att screena hundratals katalysatorer som i sin tur kan skalas upp för att tillverka plast. Här använder vi mindre än en milliliter, och genom att minska fotavtrycket av laboratorieexperiment kan du skala ner de faciliteter som behövs, så hela fotavtrycket minskar. Vårt arbete ger ett användbart verktyg för både vetenskaplig och teknikekonomisk analys av komplexa katalytiska polymerisationer, sa Hartman.

    Hartman och hans labbs upptäckter öppnar dörrar till nya typer av forskning, främst med begreppet automatiserad, eller "robotisk" kemi, ökad genomströmning, datatrohet, och säker hantering av mycket exoterma polymerisationer.

    Han förklarade att i princip, metoden kan leda till mer effektiv design och mer miljövänlig plast, eftersom screening av katalysatorer och polymerer snabbare gör det möjligt att snabbare skräddarsy processer till mer miljövänliga polymerer.


    © Vetenskap https://sv.scienceaq.com