Un cadre d'optimisation moléculaire pour identifier les radicaux organiques prometteurs pour les batteries à flux redox aqueux

Un cadre d’optimisation moléculaire pour identifier les radicaux organiques prometteurs pour les batteries à flux redox aqueux

Une stratégie de calcul pour trouver de nouvelles structures optimisées pour les batteries à flux redox organique. Crédit : Sondarya SV et al.

Les progrès récents dans le développement des techniques d’apprentissage automatique et d’optimisation ont ouvert de nouvelles possibilités passionnantes pour identifier des conceptions moléculaires, des composés et des candidats chimiques appropriés pour différentes applications. Les techniques d’optimisation, dont certaines sont basées sur des algorithmes d’apprentissage automatique, sont des outils puissants qui peuvent être utilisés pour sélectionner des solutions optimales pour un problème donné parmi un ensemble généralement large de possibilités.

Des chercheurs de la Colorado State University et du National Renewable Energy Laboratory ont appliqué des modèles d’optimisation moléculaire de pointe à différents problèmes du monde réel qui impliquent l’identification de conceptions moléculaires nouvelles et prometteuses. Dans leur étude la plus récente, présentée dans Intelligence des machines naturellesils ont spécifiquement appliqué un nouveau cadre d’optimisation open source à la tâche d’identification des radicaux organiques viables pour les batteries à flux redox aqueux, des dispositifs énergétiques qui convertissent l’énergie chimique en électricité.

« Notre projet a été financé par un programme ARPA-E qui cherchait à raccourcir le temps nécessaire pour développer de nouveaux matériaux énergétiques à l’aide de techniques d’apprentissage automatique », a déclaré Peter C. St. John, l’un des chercheurs qui a mené l’étude, à TechXplore. . « Trouver de nouveaux candidats pour les batteries à flux redox était une extension intéressante de certains de nos travaux précédents, y compris un article publié dans Communication Nature et un autre dans Données scientifiquestous deux examinant les radicaux organiques. »

Le nouveau cadre créé par St. John et ses collègues a été inspiré par leurs travaux antérieurs sur l’optimisation moléculaire. Le cadre se compose essentiellement de l’outil d’intelligence artificielle (IA) AlphaZero, développé par DeepMind, couplé à un modèle rapide dérivé de l’apprentissage automatique, composé de deux réseaux de neurones de graphe entraînés sur près de 100 000 simulations de chimie quantique.

Le premier des réseaux de neurones du graphe a été formé pour prédire les potentiels d’oxydation et de réduction, deux paramètres importants pour déterminer la quantité d’énergie pouvant être stockée dans les batteries à flux redox aqueux. La seconde prédit la densité d’électrons et l’environnement 3D local, qui se sont tous deux révélés être associés à la durée de vie de ces batteries.

« Nous posons l’optimisation des molécules comme une recherche arborescente, où nous construisons des molécules en ajoutant des composants de manière itérative sur une structure en croissance », a expliqué St. John. « L’avantage de cette approche est que nous pouvons élaguer de grandes branches de l’espace de recherche où les molécules commencent à montrer des sous-structures irréalistes. Nous pouvons donc limiter notre espace de recherche aux seules molécules qui répondent à un ensemble prédéterminé de critères simples. »

Les chercheurs ont utilisé leur cadre d’optimisation moléculaire pour effectuer une série de tests visant à identifier d’éventuels radicaux organiques pour les batteries à flux redox aqueux qui pourraient être particulièrement stables et prometteurs. Le cadre a identifié avec succès plusieurs candidats moléculaires qui satisfaisaient à une combinaison spécifique de critères définis par St. John et ses collègues.

« Nous avons démontré que l’ensemble des candidats possibles pour un type particulier de porteur de charge dans les batteries à flux redox organique peut être plus important que prévu », a déclaré St. John. « Nous avons également montré que des molécules peuvent être trouvées qui pourraient conduire à des batteries plus simples et plus performantes sans nécessiter l’utilisation de métaux de transition. »

Jusqu’à présent, le cadre d’optimisation développé par cette équipe de chercheurs s’est avéré être un outil très prometteur pour résoudre des problèmes complexes du monde réel liés à l’ingénierie et à la chimie. À l’avenir, il pourrait ainsi être utilisé pour identifier de nouveaux composés souhaitables et des candidats moléculaires pour de nombreuses technologies différentes, y compris les batteries à flux redox aqueux.

« Nous aimerions maintenant explorer l’ajout de critères supplémentaires tels que la solubilité et les paires redox entre les états chargés », a ajouté St. John. « Cela nécessiterait des données de formation supplémentaires, mais cela pourrait conduire à des structures candidates plus prometteuses. »