Även en enkel kemisk reaktion kan vara förvånansvärt komplicerad. Det gäller särskilt för reaktioner som involverar katalysatorer, som påskyndar kemin som gör bränsle, konstgödsel och andra industrivaror. I teorin, en katalytisk reaktion kan följa tusentals möjliga vägar, och det kan ta år att identifiera vilken som faktiskt krävs så att forskare kan justera den och göra den mer effektiv.

Nu har forskare vid Institutionen för energis SLAC National Accelerator Laboratory och Stanford University tagit ett stort steg mot att skära igenom detta snår av möjligheter. De använde maskininlärning – en form av artificiell intelligens – för att beskära de minst sannolika reaktionsvägarna, så att de kan koncentrera sin analys på de få som finns kvar och spara mycket tid och ansträngning.

Metoden kommer att fungera för en mängd olika komplexa kemiska reaktioner och bör dramatiskt påskynda utvecklingen av nya katalysatorer, laget rapporterade in Naturkommunikation .

"En skrämmande uppgift"

"Att designa en ny katalysator för att påskynda en kemisk reaktion är en mycket skrämmande uppgift, sa Thomas Bligaard, en stabsforskare vid SUNCAT Center for Interface Science and Catalysis, ett gemensamt SLAC/Stanford-institut där forskningen ägde rum. "Det finns en enorm mängd experimentellt arbete som normalt går in i det."

Till exempel, han sa, hitta en katalysator som omvandlar kväve från luften till ammoniak – som anses vara en av de viktigaste utvecklingarna på 1900-talet eftersom det möjliggjorde storskalig produktion av gödningsmedel, hjälpte till att lansera den gröna revolutionen – tog årtionden av att testa olika reaktioner en efter en.

Även i dag, med hjälp av superdatorsimuleringar som förutsäger resultatet av reaktioner genom att tillämpa teoretiska modeller på enorma databaser om beteendet hos kemikalier och katalysatorer, sökandet kan ta år, eftersom det hittills till stor del har förlitat sig på mänsklig intuition för att välja möjliga vinnare bland de många tillgängliga reaktionsvägarna.

"Vi måste veta vad reaktionen är, och vilka är de svåraste stegen längs reaktionsvägen, för att ens tänka på att göra en bättre katalysator, sa Jens Nørskov, professor vid SLAC och Stanford och chef för SUNCAT.

"Vi måste också veta om reaktionen bara gör den produkt vi vill ha eller om den också ger oönskade biprodukter. Vi har i grunden gjort rimliga antaganden om dessa saker, och vi behöver verkligen en systematisk teori för att vägleda oss."

Handel med mänsklig intuition för maskininlärning

För denna studie, teamet tittade på en reaktion som förvandlar syngas, en kombination av kolmonoxid och väte, till bränslen och industrikemikalier. Syngasen strömmar över ytan av en rodiumkatalysator, som liksom alla katalysatorer inte förbrukas i processen och kan användas om och om igen. Detta utlöser kemiska reaktioner som kan producera ett antal möjliga slutprodukter, som etanol, metan eller acetaldehyd.

"I det här fallet finns det tusentals möjliga reaktionsvägar - ett oändligt antal, verkligen – med hundratals mellansteg, " sa Zachary Ulissi, en postdoktor vid SUNCAT. "Vanligtvis skulle det hända att en doktorand eller postdoktor skulle gå igenom dem en i taget, använda sin intuition för att välja vad de tror är de mest troliga vägarna. Det här kan ta år."

Den nya metoden förkastar intuitionen till förmån för maskininlärning, där en dator använder en uppsättning problemlösningsregler för att lära sig mönster från stora mängder data och sedan förutsäga liknande mönster i ny data. Det är ett verktyg bakom kulisserna i ett ökande antal tekniker, från självkörande bilar till bedrägeriupptäckt och köprekommendationer online.

Snabb ogräsrensning

Data som användes i denna process kom från tidigare studier av kemikalier och deras egenskaper, inklusive beräkningar som förutsäger bindningsenergierna mellan atomer baserat på kvantmekanikens principer. Forskarna var särskilt intresserade av två faktorer som avgör hur lätt en katalytisk reaktion fortskrider:Hur starkt de reagerande kemikalierna binder till katalysatorns yta och vilka steg i reaktionen som utgör de viktigaste hindren för att gå vidare. Dessa är kända som hastighetsbegränsande steg.

En reaktion kommer att söka den väg som tar minst energi, Ulissi förklarade, ungefär som en motorvägsdesigner väljer en rutt mellan berg snarare än att slösa tid på att leta efter ett effektivt sätt att ta sig över toppen av en topp. Med maskininlärning kunde forskarna analysera reaktionsvägarna om och om igen, varje gång eliminerar de minst troliga vägarna och finjusterar sökstrategin för nästa omgång.

När allt var klart, Ulissi sa, "Det tog bara sekunder eller minuter att rensa bort de stigar som inte var intressanta. Till slut var det bara ett tiotal reaktionsbarriärer som var viktiga." Den nya metoden, han sa, har potential att minska den tid som behövs för att identifiera en reaktionsväg från år till månader.