شتاب بخشی به فرآیند کشف کاتالیزورهای OCM به کمک یادگیری ماشین ML و سنتز ماشینی MS

واکنش کوپلینگ اکسایشی متان OCM برای تبدیل گاز طبیعی به مواد شیمیایی با ارزش افزوده بالا مانند اتیلن بسیار حیاتی است. با وجود توسعه بیش از ۲۰۰۰ کاتالیزور، دستیابی به بازده ۳۰ درصدی برای ترکیبات (C۲H۴ +C۲H۶) که برای توجیه پذیری صنعتی ضروری است همچنان یک چالش بزرگ باقی مانده است. در سال های اخیر پیشرفت سریع هوش مصنوعی AI فرصت های جدیدی را برای حل این مسئله فراهم کرده است: ادغام یادگیری ماشین ML شناسایی و بهینه سازی ترکیبات کاتالیزور را تسهیل می کند در حالی که سنتز ماشینی MS کارایی سنتز کاتالیزورها را بهبود می بخشد. این مقاله دیدگاهی (Perspective) به بررسی پیشرفت های اخیر در OCM با استفاده از تکنیک های ML و MS می پردازد که هدف آن تسریع در کشف و شناسایی کارآمدترین کاتالیزور در یک مطالعه معیار Benchmarking و ارتقای کاربرد صنعتی واکنش OCM است.

کلیدواژه ها:

کاتالیزور متان ، یادگیری ماشین