Машинное обучение помогает определить активные фазы рутения в новых катализаторах

Машинное обучение помогает определить активные фазы рутения в новых катализаторах

Об этом учёные МИИ ИМ рассказывают в своей новой работе, опубликованной в престижном издании The Journal of Physical Chemistry C. В исследовании описывается практический путь улучшения классического анализа отпечатков пальцев при помощи более сложных алгоритмов обработки данных.

01.03.2022


Для изучения локальной атомной структуры веществ широко применяется спектроскопия рентгеновского поглощения. Информацию о длине связей и координационные числа обычно получают из протяженной энергетической области спектра (EXAFS). Однако, например, для гомогенных катализаторов и других сильно разбавленных систем, качество данных зачастую не позволяет надежно измерять эту область. Околопороговую область спектра (XANES) измерить быстрее и проще, но её количественный анализ – это нетривиальная задача. В данной работе рассматриваются гомогенные катализаторы на основе рутения с низкой концентрацией активного вещества. Известно, что лиганды, окружающие атомы рутения, могут изменяться с Br на CO в зависимости от условий реакции.

Учёные заметили, что такие структурные изменения можно предсказывать на основе машинного обучения. Метод основан на дешифровке спектральных характеристик, которые меняются каждый раз, когда меняются связи вокруг рутения. После процедуры обучения алгоритм предсказывает тип связей вокруг рутения и длины этих связей. Качество предсказания было успешно продемонстрировано на серии образцов с высоким содержанием активного вещества, а также на теоретических данных.