Команда из Университета Рочестера разработала алгоритмы, которые помогают понять, как пропан превращается в пропилен на нанокатализаторах. Пропилен используется как исходное сырьё для многих товаров, например пластиковых бутылочек с выдавливателем и уличной мебели.
В 2021 году исследование в Science показало, что тандем наномасштабных катализаторов может объединять несколько стадий в одну реакцию и повышать выход. Однако на атомном уровне причины такого улучшения оставались неясными. Новая работа в Journal of the American Chemical Society направлена на закрытие этого пробела.
Учёные провели вычислительный скрининг, чтобы отобрать возможные атомные структуры, и изучили материалы в металлической и оксидной фазах. Оказалось, что оксид селективно растёт вокруг дефектных металлических сайтов, что важно для стабильности катализатора. Исследователи считают, что их подход пригодится и для других промышленных реакций, например синтеза метанола.
Сложные слова
- катализатор — вещества, которые помогают реакциям проходить быстрее.катализаторы, катализатора
- алгоритм — порядок действий для решения задач.алгоритмы, алгоритмического
- синтез — создание новых веществ из других.синтеза
- превращение — изменение одной вещи в другую.превращения
Подсказка: наведите, сфокусируйтесь или нажмите на выделенные слова, чтобы увидеть краткие определения прямо во время чтения или прослушивания.
Вопросы для обсуждения
- Как вы думаете, почему пропан важен в химической промышленности?
- Какие другие области могут извлечь выгоду из этого исследования?
- Как использование катализаторов может изменить производство?
Похожие статьи
Рост дата‑центров в Индонезии и риск для водоснабжения
Быстрый рост дата‑центров в Индонезии связан с развитием ИИ и вызывает беспокойство из‑за высокого потребления воды. В Батаме и других регионах сообщают о перебоях с водой и общественных протестах, требующих баланса между ростом и ресурсами.
Почему языковые модели ошибаются при умножении четырёхзначных чисел
Новое исследование показало, что современные большие языковые модели плохо умножают четырёхзначные числа, потому что не хранят и не используют промежуточные результаты. Метод ICoT и дополнительные цели обучения помогают моделям запоминать шаги и давать правильный ответ.