Digital Solutions for Modeling Heterogeneous Catalysis
La catàlisi heterogènia és clau per afrontar els reptes socials i ambientals actuals. El disseny de catalitzadors més sostenibles continua sent una tasca costosa i principalment experimental, i les simulacions computacionals encara s’utilitzen poc en la presa de decisions a causa de la incertesa ass...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | CBUC, CESCA |
| Repositorio: | TDR. Tesis Doctorales en Red |
| OAI Identifier: | oai:www.tdx.cat:10803/695906 |
| Acceso en línea: | http://hdl.handle.net/10803/695906 |
| Access Level: | acceso embargado |
| Palabra clave: | Catàlisi heterogènia Modelització atomística Aprenentatge automàtic Modelado atomístico Aprendizaje automático Heterogeneous Catalysis Atomistic Modelling Machine Learning 311 53 54 66 |
| Sumario: | La catàlisi heterogènia és clau per afrontar els reptes socials i ambientals actuals. El disseny de catalitzadors més sostenibles continua sent una tasca costosa i principalment experimental, i les simulacions computacionals encara s’utilitzen poc en la presa de decisions a causa de la incertesa associada al modelatge dels fenòmens complexos a les superfícies. L’arribada de l’Aprenentatge Automàtic (Machine Learning, ML) ha ofert una nova i fascinant alternativa, no basada en l’estudi directe dels fenòmens fisicoquímics, sinó en un enfocament purament basat en dades. De la mateixa manera que un catalitzador accelera una reacció química, l’Aprenentatge Automàtic ha d’accelerar el disseny de catalitzadors en un futur proper. Aquesta Tesi explora com el ML i l'automatització poden impulsar la química computacional des d’un paper de suport fins a un rol central en la comprensió i descobriment de catalitzadors. Primer, es presenta GAME-Net, una xarxa neuronal de grafs dissenyada per predir energies d’adsorció —un descriptor clau de l’activitat catalítica— sobre superfícies de metalls de transició. Evitant les costoses simulacions de la Teoria del Funcional de la Densitat (DFT), GAME-Net permet modelar de manera més ràpida i econòmica reaccions amb molècules complexes com plàstics, biomassa i poliuretans. |
|---|