Zusammenfassung:
Forscher am Indian Institute of Science haben herausgefunden, dass es bei der Verwendung von Wasserstoff zur Umwandlung von Kohlendioxid in Kraftstoffe und Industriechemikalien möglicherweise einen Wasserstoffübertragungsweg gibt, der von herkömmlichen Modellen lange Zeit ignoriert wurde. Diese Entdeckung hilft nicht nur, die Unterschiede zwischen experimentellen Ergebnissen und theoretischen Vorhersagen zu erklären, sondern könnte auch neue Wege für die Entwicklung effizienterer Katalysatoren und die Förderung der Nutzung von Kohlendioxidressourcen eröffnen.
Diese Studie wurde von einem Forschungsteam des Indian Institute of Science (IISc) geleitet und die Ergebnisse wurden am 17. September 2026 in der Zeitschrift „Nature Communications“ veröffentlicht. Die Forscher entwickelten einen Rechenrahmen, der quantenmechanische Berechnungen, maschinelles Lernen und reaktionskinetische Modellierung kombiniert, um Kohlendioxid-Hydrierungsreaktionen zu untersuchen, die auf der Oberfläche von Kupferkatalysatoren ablaufen.
Kohlendioxidhydrierung ist eine Technologie, die Kohlendioxid mit Wasserstoff verbindet und ihn unter Einwirkung eines Katalysators in andere Chemikalien umwandelt. Darunter ist Methanol ein wichtiges Zielprodukt, das in der Kraftstoffproduktion eingesetzt werden kann und auch in der chemischen Produktion weit verbreitet ist. Daher war die Frage, wie die Umwandlungseffizienz von Kohlendioxid verbessert werden kann und die Reaktion mehr Zielprodukte erzeugen kann, schon immer ein wichtiges Thema in der entsprechenden Forschung.
Diese Arten chemischer Reaktionen sind jedoch weitaus komplexer als einfache Reaktionsgleichungen. Auf der Katalysatoroberfläche können Kohlendioxid und seine abgeleiteten Zwischenprodukte eine große Anzahl aufeinanderfolgender oder konkurrierender Reaktionsschritte durchlaufen. Wenn Forscher versuchen, alle möglichen Reaktionspfade durch quantenmechanische Berechnungen vollständig zu beschreiben, wird der Rechenaufwand enorm sein. Um den Rechenaufwand zu kontrollieren, wählt die traditionelle Forschung normalerweise nur einige der Reaktionen aus, die als wichtig erachtet werden, um sie in das Modell einzubeziehen.
Das Problem besteht darin, dass die endgültige Vorhersage erheblich von der Realität abweichen kann, wenn einem Modell eine Schlüsselreaktion entgeht, selbst wenn die übrigen Berechnungen korrekt sind.
Das Forschungsteam nutzte zunächst quantenmechanische Simulationen, um eine verifizierte Reaktionsdatenbank aufzubauen, die 152 Reaktionen enthält. Anschließend trainierten sie ein maschinelles Lernmodell, um die Aktivierungsenergiebarrieren abzuschätzen, die für verschiedene Reaktionen überwunden werden müssen. Die Aktivierungsenergie bestimmt die Leichtigkeit, mit der eine Reaktion abläuft, und ist ein wichtiger Parameter zur Vorhersage der Geschwindigkeit chemischer Reaktionen.
Auf dieser Grundlage verwendeten die Forscher automatisierte Werkzeuge, um mögliche Reaktionen zwischen 105 chemischen Spezies auf der Oberfläche des Kupferkatalysators systematisch zu identifizieren und zu bestimmen, welche Spezies in einem einzigen Schritt ineinander umgewandelt werden können. Nach der Erweiterung wuchs das ursprüngliche Reaktionsnetzwerk im begrenzten Maßstab schließlich auf 9389 Elementarreaktionen an.
Nach der Erweiterung des Reaktionsnetzwerks änderten sich die Berechnungsergebnisse erheblich. Bei der Berücksichtigung von nur 152 Reaktionen sagte das Modell fälschlicherweise voraus, dass Ameisensäure das dominierende Produkt sein würde, während das Ausmaß der Kohlendioxidumwandlung unterschätzt wurde. Nachdem Tausende zuvor ignorierter Reaktionen in die Berechnungen einbezogen wurden, stimmten die Vorhersageergebnisse des Modells besser mit experimentellen Beobachtungen überein. Es konnte Hauptprodukte wie Methanol und Kohlenmonoxid korrekt identifizieren und eine Kohlendioxidumwandlungsmenge vorhersagen, die etwa 40-mal so hoch war wie die des ursprünglichen Modells.
Die Forscher integrierten dann das erweiterte Reaktionsnetzwerk in ein kinetisches Modell, um das tatsächliche Verhalten des gesamten chemischen Systems zu analysieren. Relevante Vorhersagen wurden auch durch experimentelle Studien bestätigt. Das an der experimentellen Verifizierung beteiligte Personal kam vom Green Research and Development Centre der Hindustan Petroleum Corporation und den relevanten Forschungsteams der Agency for Science, Technology and Research (A*STAR) von Singapur.
Neben der Verbesserung der Genauigkeit von Modellvorhersagen deckt diese Forschung auch einen Wasserstofftransportmechanismus auf, der Aufmerksamkeit verdient.
In traditionellen Reaktionsbeschreibungen müssen Wasserstoffmoleküle normalerweise zuerst in Wasserstoffatome dissoziiert werden, und diese Wasserstoffatome nehmen dann an nachfolgenden chemischen Reaktionen teil. Die Forscher fanden jedoch heraus, dass bei einigen wichtigen Reaktionen der Wasserstoff im Wasserstoffgasmolekül direkt auf das Reaktionszwischenprodukt übertragen werden kann, ohne zunächst vollständig in unabhängige Wasserstoffatome zu dissoziieren.
Weitere quantenmechanische Berechnungen bestätigten, dass dieser direkte Wasserstoffübertragungsweg möglicherweise besonders günstige energetische Bedingungen aufweist, wenn Wasserstoff auf sauerstoffhaltige Zwischenprodukte übertragen wird.
Diese Entdeckung stellt die vereinfachte Behandlung des Wasserstofftransferprozesses in einigen traditionellen Modellen in Frage. Die Forscher weisen darauf hin, dass dieser Mechanismus erst sichtbar wird, wenn das Reaktionsnetzwerk auf eine ausreichende Größe vergrößert wird, sodass das Computersystem mehr Reaktionspfade berücksichtigen kann, die zuvor nicht berücksichtigt wurden. Anschließend führte das Team detailliertere quantenmechanische Berechnungen zu den relevanten Schritten durch und bestätigte damit weiter, dass dieses Phänomen nicht einfach vom Modell vorhergesagt wurde.
Die Forscher glauben, dass dieser Mechanismus Hinweise auf ein verbessertes Katalysatordesign liefern könnte. Wenn der Katalysator beispielsweise stärker mit Wasserstoffmolekülen interagieren könnte, könnten möglicherweise Reaktionswege gefördert werden, die die Methanolproduktion begünstigen. Dies ist jedoch immer noch eine Designidee, die einer weiteren Überprüfung bedarf. Daraus kann nicht geschlossen werden, dass eine Verbesserung der Wechselwirkung zwischen Wasserstoffmolekülen und Katalysatoren zwangsläufig zu einer Erhöhung der Methanolausbeute führt.
Eine weitere wichtige Bedeutung dieser Arbeit besteht darin, dass sie das Potenzial von Forschungsmethoden demonstriert, die Computerchemie mit maschinellem Lernen kombinieren. Das Forschungsteam integrierte quantenmechanische Berechnungen, maschinelles Lernen, automatisierte Reaktionspfadidentifizierung und reaktionskinetische Modelle, was nicht nur das Spektrum der zu untersuchenden Reaktionen erweiterte, sondern auch die Schwierigkeit verringerte, alle möglichen Reaktionen einzeln durch kostspielige Berechnungen zu verarbeiten.
Die Forscher sagten, dass dieser Rahmen in Zukunft auch auf andere chemische Prozesse von industriellem Wert angewendet werden kann, wie etwa die Reduzierung von Kohlendioxid, Stickstoff und Wasserspaltungsreaktionen an verschiedenen Katalysatoren. Diese Prozesse stehen in engem Zusammenhang mit den Bereichen Kohlenstoffressourcenrecycling, Produktion stickstoffhaltiger Chemikalien bzw. Wasserstoffproduktion.
Angesichts der steigenden Nachfrage nach Emissionsreduzierung und Energiewende gilt die Umwandlung von Kohlendioxid in nützliche Produkte wie Methanol als einer der potenziellen technischen Wege zur Verwirklichung des Recyclings von Kohlenstoffressourcen. Die allgemeinen Umweltvorteile dieser Art von Technologie hängen jedoch auch davon ab, wie der Wasserstoff erzeugt wird, von der Quelle der benötigten Energie, von der Leistung des Katalysators und von der Wirtschaftlichkeit des Gesamtprozesses. Wenn die Wasserstoffproduktion immer noch auf emissionsintensive Energiequellen angewiesen ist, bedeutet der Prozess der Kohlendioxidumwandlung selbst nicht unbedingt eine Reduzierung der Lebenszyklusemissionen.
Der direkteste Beitrag dieser Forschung besteht daher nicht darin, neue Anlagen zur Kraftstoffproduktion zu entwickeln, die kommerziell in großem Maßstab eingesetzt werden können, sondern darin, wichtige chemische Reaktionen aufzudecken, die von herkömmlichen Rechenmodellen möglicherweise übersehen werden, und eine Methode zur umfassenderen Untersuchung komplexer katalytischer Reaktionen bereitzustellen. Während Forscher den Wasserstoffübertragungsmechanismus weiter validieren und auf die Katalysatoroptimierung anwenden, wird diese Entdeckung voraussichtlich den Grundstein für eine Verbesserung der Effizienz der Kohlendioxidumwandlung und die Entwicklung wirtschaftlicherer Kraftstoffproduktionsprozesse legen.
Kommentare