一个世纪以来，研究人员一直在研究氨的工业生产。但他们一直在努力寻找改进低产量、低效率工艺的方法。
大气中的氮在铁催化剂的帮助下与氢发生反应，生成氨。该反应产生大量的氨——全球每年的产量为 1.6 亿吨。大部分用于农业，尤其是作为氮肥。它也用于许多行业，包括食品和饮料生产的制冷。我们都知道它是一种家用清洁剂。
由爱荷华州立大学材料科学与工程副教授齐安领导的研究团队开发了人工智能技术，可以找到方法提高研究人员对氨生产所涉及的化学反应和其他复杂化学反应的理解。
研究人员在最近发表在《自然通讯》杂志上的一篇论文中写道：“我们开发的 HDRL-FP 框架有可能为优化这一过程做出重大贡献，有可能降低生产成本和二氧化碳排放，并促进建立更小、更广泛的工厂。”“因此，该框架凸显了其预测复杂化学反应途径的有效性和潜力。”
HDRL-FP 是采用第一原理的高吞吐量深度强化学习。安和他的合作者兼合著者——来自加州 Saleorce AI Research 的 Tian Lan 和 Huan Wang 表示，这项技术充满潜力。
他们写道：“探索催化反应机制对于理解化学过程、优化反应条件和开发更有效的催化剂至关重要。”
奖励和原子
安说，研究人员的软件技术有两个关键：一种称为强化学习的机器学习，以及将模拟过程与所涉及的原子的位置联系起来。
强化学习就像训练狗一样，用奖励来鼓励它采取行动。在强化学习中，计算机从它们的行为中学习，同时寻求适当的奖励。在这种情况下，奖励就是找到最佳、最有效、成本最低的反应路径。
安教授表示，该方法与图形处理单元和高通量策略结合使用，可以从数千种潜在途径中快速自动识别出最佳反应途径。这可以在真实化学反应中极其嘈杂的数据中有效地识别出可行的反应机制。
研究人员还开发了可用于催化反应一般研究的技术。研究从原子在能量图上的位置开始。这就足够了——研究人员不必从更具体的反应环境表示开始，包括特定反应的状态、动作或奖励。
安和他的同事们已经为这个项目工作了大约两年。这个项目始于安搬到爱荷华州立大学时，得到了大学启动资金的支持。
他说，该系统对产生氨的反应的计算被认为是一个概念验证演示。
“这让我们能够弄清楚反应机制，”安说。“我们能够看到氨合成中的重要反应步骤。”
研究人员成功窥视该反应“使得自动研究复杂催化化学反应成为可能”，他们写道，“为未来的研究和发现提供了一种有希望的方法。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！