طراحی سرعت یافته توسط یادگیری ماشین نانو ذرات پلاتین داخل فلزی (آلیاژی) به عنوان کاتالیستی برای پیل سوختی

---

تاریخ انتشار روی سایت: 5 بهمن ماه 1402

تاریخ انتشار بر روی ژورنال: 20 دی ماه 1402

نویسندگان: Peng Yin, Xiangfu Niu, Shuo-Bin Li, Kai Chen, Xi Zhang, Ming Zuo, Liang Zhang & Hai-Wei Liang

DOI: https://doi.org/10.1038/s41467-023-44674-1

نگارشگر خلاصه نامه: سید امیرحسین میرصدری

شاید کلمه ترکیبی پیل سوختی به گوشتان خورده باشد و احتمالا تا امروز حداقل یکبار آن را به عنوان منبع انرژی پاک به همراه محصولات بدون آلایندگی بشناسید. اما پیل سوختی در کنار خوبی هایی که دارد، میتواند بسیار گران بوده و استفاده از آن به مراتب سخت باشد و دلیل آن استفاده کردن از کاتالیست های پلاتینی برای احیای اکسیژن میباشد. پلاتین ماده ای گران و همچنین مورد نیاز بسیاری از فرایندها است و استفاده بیش از حد آن میتواند بر چرخه های اقتصادی و یا تامین به موقع آن صدمه وارد کند. کاتالیست ها پلاتین در پیل سوختی برای سرعت بخسیدن به احیای اکسیژن به کار میروند. از عواملی که میتواند بر روی بازدهی نانوذرات پلاتینی تأثیر گزارد میتوان به اندازه و نحوه درکنار هم قرار گرفتن واحدهای اتمی اشاره کرد. هرچه اندازه نانوذرات بیشتر میشود، مساحت سطح الکتروشیمیایی ویژه کمتر شده و همچنین مقاومت در برابر احیای اکسیژن بالاتر میرود که در نهایت میتواند از بازدهی پیل سوختی بکاهد. در پی رهیافتی جدید، محققان به این نتیجه رسیدند که اگر در میان آلیاژ فلزی Pt-Co یک فلز دیگر مانند: Na, Mg, Sc, Ti, Mn, Fe, Ni, Cu, Ga, Ge, In, Sn, Sb, Te, Pb و Bi را اضافه کنیم و به ساختار جدید: Pt-Co/M برسیم، این آلیاژ فلزی سایز نانو میتواند نظم بهتری در ساختار گرفته و میتواند بازدهی بهتری از خود نشان دهد. از آنجایی که منظم کردن این ساختارها نیاز به انرژی ترمودینامیکی و سینتیکی بسیار بالایی دارد که معمولا با حرارت دادن ایجاد میشود، اگر بتوانیم با اضافه کردن یک فلز دیگر در ساختار با انرژی کمتری آن را منظم کنیم و به بازدهی بالاتر برسیم به هدف بزرگی دست یافته ایم.

اما مسئله این هستش که آزمایش کردن و سنتز این همه فلز و نمک فلزات بسیار گران تمام شده و زمانبر است!، و راه جایگزین آن میتوان به پیشبینی و تحلیل مسیر سنتزی و واکنشی اشاره کرد. مهمترین چیزهایی که میتوان از آن برای این مهم استفاده کرد میتوان به استفاده از محاسبات مدلهای آماری پی برد. اما اگر این خودکار شوند چه؟ اصلا کامپیوتر با یک نگاه خودش متوجه قضیه شود و راه های مختلفی را آزمایش و تحلیل کند و در نهایت فقط به ما پاسخ گوید. به این روش امروزی همان یادگیری ماشین گفته میشود که در آن ماشین و کامپیوتر میتواند با ورودی های اولیه و تکراری مسیر و الگوریتم را بدست آورده و تحلیل و پیشبینی کند که آیا سنتزی خوب پیش میرود یا خیر. اما یک محقیق چه ورودی میتواند به آن رایانه بدهد و چه خروجی میتواند دریافت کند؟ همانطور که گفته شد، اندازه و نحوه قرار گیری اتم ها در یک آلیاژ نانویی بسیار حائض اهمیت است و منظم بودن آنها بسیار مهم هست و برای منظم کردن یک ساختار به انرژی زیادی نیاز هست. بنابراین میتوانیم ورودی تحلیل را مدلهایی برای احتمال قرارگیری اتمها در کنار یکدیگر قرار داد و خروجی آنرا انرژی که میتواند بطلبد!. بنابراین بر اساس همین رویه، محققان میتوانند با استفاده از مدلهای آماری همچون: density functional theory (DFT) و warren-cowley short range order (SRO) در محیط رگراسیون گاوسی برای یادگیری ماشین استفاده کنند. هر دوی این محاسبات برای بررسی امکان قرار گرفتن و احتمال برهمکنش دو اتم مجاور در شبکه بلوری از آلیاژ فلزی را میدهد و میتواند ساختارها و انرژی مورد نیاز و نظم آنها را محاسبه و پیشبینی کند.

بنابراین محققان ابتدا برای ساختارها دو حد آستانه گذاشتند: a^pt-(CO/M)=-1/3 حد انرژی برای ساختار منظم و a^pt-(CO/M)= 0 برای ساختار نامنظم از این منظر که ساختار نامنظم انرژی برای تغییر طلب نمیکند. در محاسبات DFT از حالتهای قرارگیری 3*3*3 و یا 4*4*1 (Monkhorst-Pack k-point) استفاده شد تا حالتهای قرارگیری میان لایه ای ترکیب بیشتر مورد بررسی قرار گیرد. همچنین در محاسبات برای انرژی مورد نیاز چندین مقدار مختلف برای SRO مورد بررسی قرار گرفت: -1/6, -1/3 , -2/6, 0, 1/6, 2/3, 2/6 و 3/6 این محاسبات تماما در سیستم گاوسی برای عدم قطعیت در یادگیری ماشین استفاده شد و بوسیله الگوریتم مونته کارلو شکلهای مختلفی ترسیم و پیشبینی شد.

روش یادگیری ماشین به این نتیجه رسید که تنها اضافه کردن مس و نیکل در ساختار پلاتین-کبالت میتواند بازدهی پلاتین را افزایش داده و همچنین ساختار را بسیار منظم کرده و اندازه ذرات را بهینه کند تا به بهترین نتایج احیای اکسیژن برسد. از اینرو سنتزها و واکنشهایی بر پایه فقط همین دو عنصر از شانزده عنصر انتخابی انجام شد و نتایج طبق انتظارات پیشبینی شده پیش رفت. ترکیب Pt-Co/Ni و Pt-Co/Cu نتایج خوبی از خود به نمایش گزاردند. سنتز خیس نانو ذراتی که در سطح الکترود به شکل ذرات نانویی هسته پوسته در آمده بودند: (پوسته: Pt و هسته: Pt-Co/M ) و واکنشپذیری آنها توسط روشهای دستگاهی XRD, SEM, HAADF-STEM, EDX, CV (Cyclic voltametery), LSV (Linear sweap voltametery) با الکترود دیسک چرخان مورد بررسی قرار گرفتند. نانوذرات توسط اسپری التراسونیک و بستر نفیون به همراه الکل بر روی الکترود قرار گرفتند.