Meta en VSParticle lanceren de eerste en grootste open-source katalysatordatabase om de overgang naar schone energie te versnellen.

0

In een poging om onze overgang naar schone energie te versnellen in onze strijd tegen klimaatverandering, kondigt VSParticle (VSP) – de toonaangevende vernieuwer in de schaalbare synthese van nanoporeuze lagen – vandaag de eerste resultaten aan van een baanbrekende samenwerking met Meta’s Fundamental AI Research (FAIR) team en de Universiteit van Toronto (UofT).

– Door nieuwe samenwerking maakt Meta gebruik van VSParticle synthesetechnologie om de grootste open-source experimentele katalysatordatabase in zijn soort te bouwen.
– In slechts een paar maanden werden 525 materialen gesynthetiseerd uit een divers scala van elementaire samenstellingen om materialen te ontdekken die klimaatverandering tegengaan.
– VSParticle krijgt steeds meer belangstelling van andere AI-bedrijven om grotere experimentele datasets te creëren die nodig zijn om materialen te ontdekken.

De samenwerking brengt VSP’s state-of-the-art nanoporeuze lagen printtechnologie samen met UofT’s testplatform en Meta AI’s modellen, om snel de volgende generatie materialen die nodig zijn voor schone energietechnologieën te produceren, printen en testen. Met de eerste Open Catalyst Experiments 2024 (OCx24) heeft de samenwerking honderden elektrokatalysatoren geïdentificeerd, gesynthetiseerd en getest die van cruciaal belang zijn voor schone energieoplossingen en zo de eerste en grootste open-source experimentele katalysatordatabase opgebouwd.

Dit is een kritieke mijlpaal die nodig is om de huidige AI-gestuurde voorspellingen om te zetten in schaalbare producten in de echte wereld, wat voor deze samenwerking nog onmogelijk bleek. De bevindingen betekenen een belangrijke doorbraak in het overbruggen van de kloof tussen computationele modellen en experimentele studies, en brengen ons dichter bij levensvatbare oplossingen voor schone energie op schaal.

“Door deze samenwerking slaan we een nieuwe weg in op het gebied van materiaalontdekking. Het betekent een grote sprong voorwaarts in ons vermogen om materialen te voorspellen en te valideren die cruciaal zijn voor schone energieoplossingen. De resultaten die we zien met elektrokatalysatoren tonen het reële potentieel van AI bij het aanpakken van dringende klimaatuitdagingen.” Larry Zitnick, onderzoeksdirecteur bij Meta AI.

Elektrokatalysatoren zijn van cruciaal belang voor het koolstofvrij maken van industrieën en het behalen van wereldwijde klimaatdoelstellingen vanwege de rol die ze spelen in schone energieprocessen zoals CO2RR-reductiereacties (kooldioxide reductiereacties), waterstofproductie en de volgende generatie batterijen. Om de ontdekking van deze katalysatoren te versnellen, heeft het FAIR-team van Meta AI-modellen ontwikkeld om kandidaten voor energieomzettingsprocessen te identificeren in uren in plaats van maanden. Het vertalen van deze voorspellingen naar schaalbare toepassingen blijft echter een complexe uitdaging, die meestal tot 15 jaar in beslag neemt. Tegelijkertijd vereist het trainen van AI-modellen om de beste elektrokatalysatormaterialen te voorspellen grote en diverse experimentele datasets die vandaag de dag simpelweg niet bestaan.

Om deze kloof te overbruggen en de weg van ontdekking naar productie te versnellen, kwamen VSP, Meta en UoT samen om datasets van honderden unieke en diverse materialen te testen in het lab – en zo de open-source database te creëren. Met behulp van een proces dat vonkablatie heet, synthetiseerde de VSP-P1 nanoprinter 525 materialen die AI had voorspeld als de beste kandidaten voor CO2 Reduction Reactions (CO2RR) door ze stuk voor stuk te verdampen tot nanodeeltjes.

Aaike van Vugt VSParticle is op 21 november onze gast tijden de Talkshow van DISCA’24, naast Dennis Schipper Demcon, Marc Uleman Prodrive Technologies en Angelique van der Burg Infineon. Met speciale bijdrages van ING-hoofdeconoom Marieke Blom, OU-professor en arbeidsmarktexpert Annet de Lange. Dat alles onder leiding van Marinke Wijngaard en Marja Eijkman. Start van de bijeenkomst: 15:30 uur in Boerderij Mereveld, onder de rook van Utrecht.

Deze nanodeeltjes werden vervolgens afgezet als dunne, nanoporeuze films en gedeeld met de Universiteit van Toronto, waar de high-throughput pijplijn testte hoe goed ze presteerden onder een reeks industriële omstandigheden. VSP’s unieke aanpak van nanodeeltjes gaf onderzoekers meer controle over de grootte en samenstelling van de deeltjes, met de hoge mate van automatisering en snelheid die nodig is om nanoporeuze materialen op de vereiste schaal te maken. Andere technologieën zouden tientallen jaren nodig hebben om zo’n groot aantal nieuwe nanoporeuze materialen te synthetiseren, wat het project onmogelijk zou hebben gemaakt.

De bevindingen werden ingevoerd in een experimentele database, waarmee onderzoekers de AI-voorspellingen konden valideren aan de hand van echte resultaten; honderden potentiële goedkope katalysatoren voor belangrijke reacties konden identificeren; en die nu kunnen worden gebruikt om de AI- en ML-voorspellingen te trainen en verder te verfijnen. Naast het bouwen van de grootste experimentele dataset, draaide het project een recordaantal van 20 miljoen computersimulaties – de grootste berekening in zijn soort tot nu toe – die nu kan worden gebruikt om nog grotere databases te bouwen voor het opschalen van de processen.

Link magazine oktober/november 2024. Thema: Data delen in de keten, cybersecurity en beveiliging. Vraag exemplaar op: mireille.vanginkel@linkmagazine.nl

“Door unieke elektrokatalysatoren te produceren aan een ongekende snelheid, helpt onze samenwerking met Meta en de Universiteit van Toronto niet alleen om jarenlange theorieën te valideren, maar verkort ze ook de tijdlijn van ontdekking tot toepassing; een knelpunt dat geavanceerde materialen decennialang heeft tegengehouden. We hebben de enige technologie ter wereld die in staat is om zo’n groot aantal unieke nanoporeuze materialen te leveren in een korte periode, om het vitale werk van Meta en UoT tot leven te brengen. Samen bewijzen we dat de materialen die nodig zijn voor deze volgende generatie schone energiesystemen ontdekt en ingezet kunnen worden in een tempo dat aansluit bij de urgentie van de klimaatcrisis.” Aaike van Vugt, medeoprichter en CEO van VSParticle.

Om de code voor het ontdekken van materialen echt te kraken, moeten AI-modellen worden getraind op een veel grotere experimentele dataset van 10.000 tot 100.000 unieke geteste materialen. Omdat de technologie van VSP de enige is die zo’n groot aantal nanoporeuze dunne films met hoge elektrokatalytische prestaties kan synthetiseren, werkt het bedrijf samen met veel meer organisaties, waaronder de Sorbonne Universiteit Abu Dhabi, het Lawrence Livermore National Laboratory in San Francisco, het Materials Discovery Research Institute (MDRI) in Chicago en het Nederlands Instituut voor Fundamenteel Energieonderzoek (DIFFER).

Naast dit project heeft VSP zijn eigen technologie opgeschaald om in de toekomst sneller en efficiënter te zijn. De huidige VSP-P1 printer werkt met 300 vonken per seconde, maar het team werkt ook aan een nieuwe printer die deze outputtijd zou verhogen tot 20.000 vonken per seconde, wat dit soort onderzoek nog verder zou kunnen opvoeren. Dit zou het met name mogelijk maken om de kerntechnologie op te schalen om groene waterstofproductie te ondersteunen door het printen van de benodigde componenten voor de poreuze transportelektrode, iets waar industriële klanten om vragen. Dit betekent dat VSP in staat zal zijn om de huidige productiekosten met 85% te verlagen door minder apparatuur, minder energie en meer automatisering te gebruiken, waardoor het de meest kostenconcurrerende productietechnologie wordt voor dit kritieke aspect van de productie van groene waterstof.

Om toegang te krijgen tot de gedetailleerde analyse van datasets van legeringskatalysatoren gesynthetiseerd met VSParticle-technologie voor Meta’s Open Catalyst Experiments 2024

Share.

Reageer

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

Verified by ExactMetrics