El estudio, realizado en la Universidad de Nueva Gales del Sur en Australia y publicado en la revista revisada por pares Small, utilizó una plataforma de aprendizaje automático para analizar más de 8,000 combinaciones de metales potenciales para su uso como catalizadores. El modelo AI preseleccionó 28 candidatos de alto potencial, acelerando un proceso que generalmente lleva años o incluso décadas.
Se encontró que el material más efectivo era una aleación de metal de alta entropía de estado líquido compuesto de hierro, bismuto, níquel, estaño y zinc. Esta mezcla inusual forma un catalizador estable y altamente activo que funciona a temperatura ambiente.
En las pruebas de laboratorio, el catalizador logró casi 100% de eficiencia faradaica, lo que significa que prácticamente toda la energía eléctrica se usó productivamente, y aumentó las tasas de producción de amoníaco siete veces en comparación con los métodos verdes anteriores. El proceso funciona a solo 25 ° C, lo que requiere menos del 10% de la energía utilizada en el proceso tradicional Haber-Bosch, que opera a más de 400 ° C y contribuye alrededor del 2% de las emisiones mundiales de gases de efecto invernadero.
Aunque el estudio no especifica un plazo exacto, es probable que la fase de descubrimiento guiada por IA tenga lugar durante días o semanas. El proyecto completo, incluida la validación de laboratorio, puede haber abarcado unos meses.
La importancia del amoníaco
El amoníaco se utiliza principalmente para hacer fertilizantes, con alrededor del 80% de la producción mundial de amoníaco para la agricultura. Sin embargo, el amoníaco verde, producido con energía renovable en lugar de combustibles fósiles, está haciendo avances como un combustible bajo en carbono e portadores de hidrógeno.
Según la Agencia Internacional de Energía, la demanda de amoníaco bajo en carbono podría crecer más de cinco veces para 2050 en escenarios netos cero, impulsados por su papel en la descarbonización de la industria pesada y el transporte.
La tecnología podría allanar el camino para las unidades de producción de amoníaco contenedores a pequeña escala impulsadas por electricidad renovable, adecuada para el despliegue en granjas o en centros de hidrógeno, lo que reduce la dependencia de la producción centralizada intensiva en combustible fósil.
También puede fortalecer el potencial de amoníaco como portador de energía libre de carbono, que ofrece una alternativa al hidrógeno líquido para el almacenamiento y el transporte de energía futura.
Sin embargo, los expertos también advierten que la adopción más amplia de amoníaco verde enfrenta barreras técnicas y económicas clave. La producción actual de amoníaco verde puede costar hasta tres veces más que el amoníaco convencional, y la absorción a gran escala requerirá más inversión en electrolismos, energía renovable e infraestructura de distribución.
Los críticos también señalan la toxicidad y la inflamabilidad del amoníaco, lo que puede plantear el manejo y los desafíos de seguridad si se usan ampliamente como combustible o portador de hidrógeno.
El trabajo se ajusta a los comentarios realizados por los principales investigadores de IA. «Para acelerar el descubrimiento en la ciencia de los materiales, necesitamos sistemas de IA que no solo sean poderosos, sino científicamente fundados», dijo el Fengqi, profesor de ingeniería de sistemas de energía en la Universidad de Cornell.
Hablando más ampliamente, Christopher Bishop, líder del Programa de AI para la Ciencia de Microsoft, ha señalado que «la IA está permitiendo descubrimientos que habrían llevado años o décadas … en semanas o meses».
Los enfoques impulsados por la IA han jugado un papel en avances similares. Investigadores del Laboratorio Nacional de Lawrence Berkeley en California recientemente utilizaron el aprendizaje automático para acelerar el descubrimiento de materiales de la batería, mientras que los científicos del Instituto de Tecnología de Massachusetts están aplicando IA para catalizador del diseño para la captura de carbono y la producción de hidrógeno.