前言
Meta AI最近宣布,将很快发布一个全新的绿色氢燃料 ML 建模和模拟数据集,重点关注析氧反应(OER)的氧化物催化剂,这是通过风能和太阳能生产绿色氢燃料的关键化学反应催化剂。
什么是 OER
OER
是制氢中最重要的化学反应之一。它用于许多可再生能源,如太阳能、风能以及电动汽车中的可充电金属空气电池。作为常规工艺的一部分,金属氧化物(如氧化钌和氧化铱)的可用性和成本存在一定的限制,所以为了突破这种限制和降低成本往往都需要借助催化剂。
AI 助力发现催化剂
Meta AI
和卡内基梅隆大学 ( CMU ) 化学工程系正在合作,以加快开放催化剂项目下的绿色能源催化剂的发现。使用机器学习来寻找催化剂,是将太阳能和风能等可再生资源转化为氢等其他燃料,并以用于清洁能源使用和储存而努力的一部分。他们正在努力收集来自不同材料的密度泛函理论(DFT) 的模拟结果,并用ML
模型替换DFT
,以获得更快、更好的结果。
2020
年10
月,他们开源了OC20,成为全球最大的可再生能源存储训练数据集之一。该数据集由1,281,040
个DFT
组成,具有广泛的材料、表面和吸附物作为重要特征。
该项目为寻找用于OER
的低成本催化剂付出了巨大努力,以使该过程快速且经济。
Meta AI
在他们最近发表的文章中提到了这个即将到来的数据集,文中提到:
OER
数据集包含来自40K
独特模拟的约800
万个数据点。我们相信这是迄今为止最大的氧化物催化数据集,涵盖了52
种元素的大量氧化物材料。它包括氧化物材料表面与OER
中涉及的五个重要分子(O、OH、H2O、OOH 和 O2)之间的相互作用,以及与 CO、H、C 和 N 的表面相互作用。存在晶体缺陷和多个分子时的表面。数据集和基线模型将在未来几个月内开源,以帮助全球科学界推进可再生能源技术。
另外,为了培养和吸引该领域的机器学习工程师和研究人员,Meta AI
和CMU
还于去年6
月组织了一场针对催化剂选择问题的最佳ML
模型的竞赛。并且Meta AI
在去年 12 月的NeuralPS-2021会议上选出了获胜者。他们想通过组织比赛和开展议会的这些方式,加速发现在研究绿色能源催化剂过程中产生的问题的更好解决方案。