La sorcellerie avec les petites données : l'IA révolutionne le recyclage du CO2 avec des modèles de "petites données"
Un doctorant élabore des modèles d'IA précis pour une synthèse Fischer-Tropsch respectueuse de l'environnement en utilisant un minimum de données
À l'Institut Leibniz pour la catalyse de Rostock, LIKAT, un doctorant travaillant avec le Dr David Linke, a développé des modèles d'intelligence artificielle pour le procédé Fischer-Tropsch basé sur le CO2. Ce procédé a été mis au point dans les années 1920 pour produire des hydrocarbures liquides à partir de monoxyde de carbone et d'hydrogène provenant du charbon et du pétrole. Des laboratoires du monde entier étudient les moyens d'utiliser le gaz à effet de serre qu'est le dioxyde de carbone à la place des matières premières fossiles pour la synthèse de Fischer-Tropsch à l'avenir.
Efficace et beau à voir : le système de catalyse à haut débit qu'Aleksandr Fedorov utilise pour tester ses catalyseurs lors de l'hydrogénation du CO ou du CO₂ sous pression. Il comporte 16 réacteurs parallèles dont les cuves sont bien visibles à droite.
LIKAT
L'un des objectifs de la recherche en chimie est de remplacer les matières premières fossiles par des matières premières respectueuses du climat et de l'environnement. Une approche prometteuse est l'hydrogénation du dioxyde de carbone en hydrocarbures supérieurs, connue sous le nom de synthèse Fischer-Tropsch CO2 (FTS CO2). Le CO2 et l'hydrogène (H2) réagissent par catalyse pour former un carburant synthétique, par exemple, qui ne contient ni soufre ni composés azotés et brûle donc beaucoup plus proprement que son homologue à base de pétrole. Si l'hydrogène est également produit à partir de sources renouvelables, ce processus est totalement neutre en termes de CO2.
D'abord les données, ensuite l'expérience
Le nombre de publications sur cette réaction augmente dans le monde entier, et avec lui la quantité de données issues des expériences. Ceux qui analysent intelligemment ces données peuvent découvrir des liens cachés entre les propriétés des catalyseurs et l'activité chimique", explique David Linke, chimiste au LIKAT. Ce sont des connaissances précieuses, mais difficiles à extraire. Un cas pour l'apprentissage automatique et les réseaux neuronaux artificiels.
Aleksandr Fedorov, doctorant de David Linke, s'est lancé dans ce travail de pionnier. L'objectif de sa thèse de doctorat était de mettre au point un nouveau catalyseur pour le CO2-FTS et un modèle d'IA approprié capable de décrire la vitesse de la réaction complexe dans toutes les conditions. Pour ce faire, il a d'abord dû passer des mois à collecter et à traiter des données, puis à les introduire dans une base de données. David Linke : "Avant même la première expérience, il est important d'en savoir le plus possible. Les expériences sont coûteuses et prennent beaucoup de temps."
Un catalyseur à base de fer hautement sélectif
La synthèse Fischer-Tropsch classique et la synthèse Fischer-Tropsch du CO2 se déroulent souvent dans des réacteurs à colonnes à bulles. Les matières premières gazeuses, H2 et CO2, et plus tard le monoxyde de carbone (CO) qui se forme, se frayent un chemin à travers un liquide visqueux contenant le catalyseur à base de fer ou de cobalt et tous les produits intermédiaires et finaux.
Les travaux de recherche menés à LIKAT ont abouti à un catalyseur à base de fer présentant une productivité et une sélectivité très élevées, qui peut être activé dans le réacteur de production. Une sélectivité élevée signifie que très peu de méthane indésirable est formé par rapport aux produits cibles souhaités. Ce résultat a été obtenu en ajoutant de petites quantités de potassium, de cuivre et d'aluminium.
Sans trop d'essais ni d'erreurs
Jusqu'à présent, les chimistes ont consigné leurs découvertes sur les réactions dans des graphiques et des tableaux qui illustrent l'influence de paramètres importants tels que la pression, la température et la composition de l'échantillon. Aleksandr Fedorov a analysé chaque point de mesure dans une centaine de publications. Ce faisant, il n'a pas seulement déterminé les critères décisifs pour l'efficacité et la sélectivité de la réaction. Il a également découvert une contradiction : contrairement à ce qui est décrit dans la littérature, le CO2 utilisé dans la réaction n'est pas toujours converti en CO. Cette découverte ouvre une nouvelle voie de recherche pour l'amélioration du catalyseur.
Fedorov a commencé à entraîner des réseaux neuronaux artificiels en utilisant les données de son catalyseur pour la modélisation cinétique de l'hydrogénation du CO2, son modèle d'IA. Seule une petite quantité de données a été nécessaire, car il y a toujours très peu de données de laboratoire par série de mesures. David Linke : "Contrairement aux solutions habituelles d'IA linguistique, les grands modèles linguistiques, nous travaillons ici avec de petites données". Pour que le modèle puisse calculer des séquences de réactions plausibles, il a fallu lui apprendre des règles physiques de base.
La percée s'est produite à l'automne dernier, comme le rappelle David Linke : "Soudain, vous obtenez des modèles qui calculent des séquences de réaction plausibles. Tout à coup, on obtient des modèles qui se comportent de manière sensée ! C'est un peu comme de la magie". En temps normal, il faut passer des jours devant l'ordinateur pour trouver un modèle adéquat. Maintenant, j'entraîne le modèle d'IA et même le vieil ordinateur portable calcule tout en 30 minutes".
Le code source comme source ouverte
Quels sont les avantages de ces modèles d'IA ? L'IA de LIKAT permet non seulement de réduire le temps de laboratoire nécessaire à la poursuite des recherches sur le CO2 FTS, mais aussi d'accroître l'efficacité de la réaction. Surtout, les ingénieurs en procédés peuvent désormais utiliser le modèle d'Aleksandr Fedorov pour concevoir et construire le réacteur à colonne à bulles avec beaucoup plus de précision qu'auparavant. Et n'importe qui peut utiliser le modèle comme matrice pour entraîner sa propre IA pour n'importe quel nombre de réactions.
David Linke, Aleksandr Fedorov et d'autres ont publié leurs résultats, y compris le code source, en tant que source ouverte. Dans le cadre de l'infrastructure nationale de données de recherche (NFDI) créée en 2020, David Linke est convaincu que de tels outils d'IA révolutionneront le développement des processus chimiques, du laboratoire au réacteur.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
