Im Roboterlabor zu nachhaltigem Treibstoff

Katalysatoren sind die fleissigen Heinzelm?nnchen der Chemiker:innen. Sie beschleunigen Reaktionen und senken die Energie, die n?tig ist, damit eine Reaktion ablaufen kann. Je spezifischer und wirksamer ein Katalysator ist, desto effektiver werden unerw¨¹nschte Nebenreaktionen unterdr¨¹ckt. In der Natur sind es Enzyme, welche aus den schier unendlichen Reaktionsm?glichkeiten der Chemikaliensuppe in den Zellen ganz gezielt die ben?tigten Stoffwechselvorg?nge heraus verst?rken. In technischen Anlagen werden meist Metallkatalysatoren eingesetzt, um die Produktausbeute zu erh?hen.

Forschende der Technologieplattform Swiss Cat+ an der ETH Z¨¹rich unter der Leitung von Paco Laveille haben jetzt eine durchg?ngig digitalisierte und automatisierte Methode entwickelt, mit der sie massiv schneller als bisher neue und bessere Metallkatalysatoren finden k?nnen. Sie kombinierten daf¨¹r k¨¹nstliche Intelligenz (KI) zur Berechnung von erfolgsversprechenden Katalysatorzusammensetzungen mit einem automatisierten Synthese- und Testlabor.

Mit dieser Infrastruktur gelang es ihnen, innerhalb von sechs Wochen rund 150 Katalysatoren f¨¹r die Herstellung des Energietr?gers Methanol aus CO₂ zu entwickeln. Die neuen Katalysatoren sind kosteng¨¹nstig und zeigen hohe Umwandlungsraten mit einem geringen Anteil an Nebenprodukten. ?Der Zeitgewinn durch die neue Methode ist enorm?, bilanziert Laveille. ?Mit einem traditionellen Vorgehen h?tten unsere Experimente viele Jahre gedauert.?

Methanol gilt als eines der Schl¨¹sselelemente f¨¹r eine nachhaltige Kohlenwasserstoffwirtschaft. Die chemisch eng mit dem Trinkalkohol Ethanol verwandte Substanz kann sowohl als Brennstoff als auch als Grundstoff f¨¹r die Herstellung von organischen Verbindungen wie Medikamenten, Kunststoffen oder Farben genutzt werden. Dabei l?sst sich die Fl¨¹ssigkeit im Gegensatz zu den beiden ebenfalls als Energietr?ger nutzbaren Gasen Wasserstoff und Methan viel einfacher transportieren und lagern. Zudem k?nnen die Versorgunginfrastruktur und die Motoren der bisherigen Benzintechnologie mit geringen Anpassungen mit Methanol weiterverwendet werden.

M?glichkeiten durch eine kluge Vorauswahl eingrenzen

Das grosse Problem bei der Suche nach optimalen Katalysatoren f¨¹r die Herstellung von Methanol: Theoretisch gibt es praktisch unendlich viele M?glichkeiten, Atome zu einem Katalysator zu verbinden. ?Der chemische Raum, in dem wir nach Katalysatoren suchen, umfasst etwa 10²⁰ M?glichkeiten (hundert Milliarden Milliarden). Wir m¨¹ssen also buchst?blich die Nadel im chemischen Heuhaufen finden?, erkl?rt Christophe Cop¨¦ret, Professor am Laboratorium f¨¹r Anorganische Chemie der ETH Z¨¹rich und Mitinitiator des Swiss-Cat+-Projekts.  

Um den riesigen Raum der M?glichkeiten einzugrenzen, trafen die Forschenden aufgrund von Erfahrungswerten und auch von wirtschaftlichen Vorgaben eine Vorauswahl. Ein grosstechnisch einsetzbarer Katalysator muss n?mlich nicht nur wirksam, sondern auch g¨¹nstig sein. Die Hauptkatalysatorwirkstoffe wurden deshalb auf die drei vergleichsweise billigen Metalle Eisen, Kupfer und Kobalt beschr?nkt.

Zu diesen Hauptmetallen kamen drei Elemente, die in Katalysatoren klassischerweise als sogenannte Dotierung in kleinen Mengen zugemischt werden, sowie Kalium, das ebenfalls in vielen Katalysatoren enthalten ist. Bei den Tr?germaterialen beschr?nkten sich die Forschenden auf vier typische Metalloxide. Multipliziert mit unterschiedlichen Mischverh?ltnissen ergaben sich so immer noch 20 Millionen Kombinationsm?glichkeiten.

Mit KI-gest¨¹tzter Statistik und in iterativen Schritten

Nun kam ein KI-Algorithmus ins Spiel, der mittels einer sogenannten bayesianischen Optimierung m?glichst gute L?sungen sucht. Diese besondere Form der Statistik eignet sich vor allem dann, wenn nur wenige Daten zur Verf¨¹gung stehen. Dabei wird die Wahrscheinlichkeit nicht wie in der klassischen Statistik aus der relativen H?ufigkeit abgeleitet, die aus vielen Experimenten berechnet wird. Es wird bei der Berechnung vielmehr von der Wahrscheinlichkeit ausgegangen, die aufgrund des bisherigen Kenntnisstandes erwartet werden kann.

In einer ersten Runde hat der Algorithmus anhand der zur Einschr?nkung der Komplexit?t getroffenen Vorgaben 24 Katalysatorzusammensetzungen zuf?llig ausgew?hlt. Diese wurden direkt in der automatisierten Laborinfrastruktur von Swiss Cat+ hergestellt und anschliessend getestet.

Schnell viele Resultate mit hoher Verl?sslichkeit

Die Ergebnisse dieser ersten Auswahl dienten den Forschenden als Ausgangspunkt f¨¹r eine KI-Prognose. Und auch deren vorhergesagten Zusammensetzungen wurden wieder automatisch synthetisiert und getestet. Insgesamt sechs derartige Runden haben die Wissenschaftler:innen ihr integriertes System in diesem ersten Demonstrationsversuch absolvieren lassen.

Dass sich die Ergebnisse zwischen den Runden nicht linear, sondern sprunghaft verbesserten, war durchaus beabsichtigt. Der Algorithmus beinhaltet n?mlich neben der Optimierung der Ergebnisse der Vorrunden auch eine erkundende Komponente, ¨¹ber die in jeder Runde v?llig neue Versionen von Zusammensetzungen eingespeist wurden. So verhinderten die Forschenden, dass die Berechnungen in einer engen Optimierungssackgasse des grossen M?glichkeitsraums stecken blieben.

Daten jenseits der Erd?lchemie generieren

F¨¹r die Forschenden ging es in diesem ersten Projekt allerdings weniger darum, bereits den bestm?glichen Katalysator f¨¹r die Methanolsynthese zu finden. ?Das Wissen ¨¹ber Katalysatoren zur Herstellung von Brennstoffen beruht heute noch gr?sstenteils auf dem Knowhow aus der Erd?lindustrie?, sagt ETH-Professor Cop¨¦ret. ?Verl?ssliche Daten zu den Reaktionen der nachhaltigen Energiewirtschaft fehlen noch weitgehend.? Sie sind aber n?tig, damit KI-Algorithmen und menschliche Forscherintelligenz im riesigen Raum der chemischen M?glichkeiten gezielter suchen k?nnen. ?Genau diese qualitativ hochstehenden und reproduzierbaren Daten liefert jetzt unser KI-gest¨¹tztes Roboterlabor. Sie werden die ganze Katalysatorforschung ein gutes St¨¹ck voranbringen?, erg?nzt Laveille.