طراحی کاتالیست های نانوساختار دو فلزی مبتنی بر Ni–Mo با بهینه سازی سطح فعال برای ریفرمینگ بخار متان با کمک مدل سازی هوش مصنوعی

ریفرمینگ بخار متان به عنوان یکی از روش های اصلی تولید هیدروژن و سینگاز، نیازمند کاتالیست هایی با فعالیت بالا، پایداری حرارتی و مقاومت در برابر دپوزیت کربن است. در این مطالعه، طراحی و بهینه سازی کاتالیست های نانوساختار دو فلزی مبتنی بر نیکل-مولیبدن (Ni–Mo) با استفاده از روش های شبیه سازی و مدل سازی هوش مصنوعی مورد بررسی قرار گرفت. هدف اصلی افزایش سطح فعال، بهبود پراکندگی فلزات و کاهش دپوزیت کربن در شرایط عملیاتی بلندمدت بود. با استفاده از الگوریتم های یادگیری ماشین و شبکه های عصبی مصنوعی، پارامترهای سینتزی مانند نسبت Ni به Mo، دمای پراکندگی و شرایط کاهش بهینه سازی شدند. نتایج نشان داد که کاتالیست های Ni–Mo نانوساختار با نسبت بهینه فلزات و پشتیبانی از مواد پرسطح، عملکردی بالاتر از کاتالیست های سنتزی مرسوم ارائه می دهند و نرخ تولید هیدروژن و مقاومت در برابر دپوزیت کربن به طور قابل توجهی افزایش می یابد. این مطالعه نشان می دهد که ترکیب طراحی نانوساختار، کنترل مورفولوژی و استفاده از مدل های هوش مصنوعی می تواند رویکردی موثر برای توسعه کاتالیست های پیشرفته ریفرمینگ بخار متان باشد.

کلیدواژه ها:

ریفرمینگ بخار متان ، کاتالیست Ni–Mo ، نانوساختار ، هوش مصنوعی ، بهینه سازی سطح فعال ، دپوزیت کربن