Исследователи Института ИИ Университета Иннополис разработали первый полностью отечественный программный комплекс для моделирования микрокинетики гетерогенных каталитических процессов с применением искусственного интеллекта. Решение позволяет обрабатывать свыше 1 млн структур катализаторов ежегодно, в 1–5 тыс. раз ускоряя вычисления и на 40% снижая затраты на исследования. Проект реализован при поддержке Фонда науки и технологий Республики Татарстан. Подробностями с Let AI be поделилась пресс-служба вуза.

По словам исследователей, разработка новых катализаторов — одна из ключевых задач в химической промышленности, энергетике и производстве топлива. Традиционные методы поиска катализаторов основаны на экспериментальном скрининге, занимают 5–7 лет и требуют десятков миллионов долларов инвестиций.

«Гетерогенные катализаторы — вещества, ускоряющие химические реакции, находясь в иной фазе, чем реагенты. Они используются в производстве аммиака с минимальным углеродным следом, переработке нефти и газа, синтезе полимеров, экологических технологиях, например при утилизации углекислого газа. Для ускорения разработки катализаторов широко применяют ИИ, но большинство существующих решений либо фокусируются исключительно на предсказании энергетических характеристик, либо не интегрируют эти предсказания с промышленным микрокинетическим моделированием. Также они зависимы от зарубежного коммерческого программного обеспечения», — рассказал Руслан Лукин, руководитель Лаборатории ИИ в новых материалах Университета Иннополис.

Разработанный в Университете Иннополис программный комплекс представляет интегрированную платформу на основе ансамбля моделей глубокого обучения, способную предсказывать энергии активации и адсорбции на поверхности катализаторов с точностью 0,048–0,073 эВ, что сопоставимо с результатами квантово-химических расчетов, но в 1–5 тыс. раз быстрее, и сокращает разработку новых катализаторов до 1–2 лет. Разработчики первыми в мире объединили предсказания ИИ с микрокинетическими моделями — это позволило рассчитывать скорости реакций и прогнозировать выход продуктов для таких процессов как сухой риформинг метана, гидрирование этилена и синтез аммиака.

«Мы обучали модели на масштабном датасете из 640 тыс. DFT-релаксаций и 133,9 млн атомных конфигураций систем “адсорбат—поверхность” и чистых поверхностей. Библиотека адсорбатов содержит 82 молекулы и фрагмента, включая атомарные и C1-C2 молекулы, кислород-, азот- и углеводородсодержащие соединения, значимые для водородной энергетики, переработки CO₂ и каталитического окисления», — пояснил Руслан Лукин.

Комплекс разработан в двух вариантах: облачная версия для распределенных вычислений исследовательскими коллективами и локальная версия для предприятий с требованиями защиты данных. Изобретение запатентовали эксперты Межотраслевого центра трансфера технологий Университета Иннополис: уже получены свидетельства на регистрацию программного комплекса в Роспатенте и Российском центре оборота прав на результаты творческой деятельности.

Как отмечают разработчики, их продукт ориентирован на рынки стран ЕАЭС, СНГ, Азии, Ближнего Востока и Латинской Америки. Уникальные свойства комплекса позволяют рассчитывать на 5–7% глобального рынка программного обеспечения для химии и материаловедения, прогнозируемый объем которого к 2030 году составит 4–5 млрд долларов США. В планах команды — расширить функционал комплекса для моделирования других классов катализаторов, в том числе электрокаталитических систем, фотокаталитических материалов, и моделирования реакторов, тестирования полученных материалов, а также развитие SaaS-версии платформы для коллаборативных проектов по ускоренному открытию новых материалов.

Изображение: Freepik

Подписывайтесь на каналы Let AI be в Telegram и «ВКонтакте» — оставайтесь в курсе главных новостей в сфере искусственного интеллекта!