Científicos del Instituto Holandés de Investigación en Energía Básica (DIFFER) han creado una base de datos de 31.618 moléculas que podrían utilizarse en las baterías de flujo redox del futuro. Estas baterías son una gran promesa para el almacenamiento de energía. Entre otras cosas, los investigadores utilizaron inteligencia artificial y supercomputadoras para determinar las propiedades de las moléculas. Hoy, han publicado sus hallazgos en la revista Datos científicos.
En los últimos años, los químicos han diseñado cientos de moléculas que podrían ser útiles en baterías de flujo para el almacenamiento de energía. Sería genial, imagínense a los investigadores de DIFFER en Eindhoven (Países Bajos), si se pudiera acceder rápida y fácilmente a las propiedades de estas moléculas en una base de datos. Pero el problema es que se desconocen las propiedades de muchas moléculas. Ejemplos de propiedades moleculares son el potencial redox y la solubilidad en agua. Estos son importantes porque están relacionados con la capacidad de generación de energía y la densidad de energía de las baterías de flujo redox.
Para descubrir las propiedades desconocidas de las moléculas, los investigadores realizaron cuatro pasos. Primero, usaron un computadora de escritorio y algoritmos inteligentes para crear miles de variantes virtuales de dos tipos de moléculas. Estos grupos moleculares, quinonas y aza aromáticos, son buenos para aceptar y donar electrones de forma reversible. Esto es importante para las baterías. Los investigadores alimentaron a la computadora con las estructuras primarias de 24 quinonas y 28 sustancias aza-aromáticas, así como con cinco grupos laterales diferentes químicamente relacionados. A partir de eso, la computadora hizo 31,618 moléculas diferentes.
En un segundo paso, los investigadores utilizaron supercomputadoras para calcular casi 300 propiedades diferentes para cada molécula. La computadora usa ecuaciones de la química cuántica para hacer esto. Dado que estas fórmulas son tan difíciles de resolver, una poderosa supercomputadora es una herramienta útil.
En el tercer paso, los investigadores utilizaron aprendizaje automático Predecir si las partículas son solubles en agua.
El cuarto y último paso consiste en crear una base de datos legible por humanos y máquinas. La base de datos, llamada RedDB (de Redox DataBase), contiene las moléculas y sus propiedades con nombres y descripciones apropiados.
cuando trabajas con modelos teóricos Y el aprendizaje automático, obviamente desea tener confianza en los resultados”, dice Solomon R., líder del grupo de investigación de Descubrimiento de Energía Autónoma de DIFFER. Por eso hemos utilizado un software informático que ha demostrado su superioridad. Para ello, también hemos implementado procedimientos de verificación personalizados.
Ahora que la base de datos es pública, los investigadores, incluidos los que están fuera de DIFFER, pueden buscar fácilmente moléculas potencialmente interesantes para las baterías de flujo redox. Por ejemplo, pueden simplemente comprar o fabricar moléculas y seguir buscándolas. Además, los investigadores pueden utilizar Base de datos Para mejorar sus modelos de aprendizaje automático para acelerar el diseño de alta calidad. partículas por Almacen de energia.
más información:
Elif Sorkun et al, RedDB, base de datos computacional de moléculas electroactivas para baterías de flujo redox acuoso, disponible aquí. Datos científicos (2022). DOI: 10.1038/s41597-022-01832-2
La frase: Los investigadores publican 31,618 moléculas con almacenamiento de energía potencial en baterías (28 de noviembre de 2022) Obtenido el 28 de noviembre de 2022 de https://phys.org/news/2022-11-publish-molecules-potential-energy-storage.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin permiso por escrito. El contenido se proporciona únicamente con fines informativos.
«Solucionador de problemas. Gurú de los zombis. Entusiasta de Internet. Defensor de los viajes sin disculpas. Organizador. Lector. Aficionado al alcohol».