AI-drivna framsteg hjälper till att minska utsläppen av kväveoxider

Katalysatorer minskar mängden giftiga föroreningar som släpps ut i luften från ett fordons avgassystem. Strängare utsläppsregler, såsom Europeiska unionens föreslagna Euro 7-standard, har målsättningen att ytterligare minska luftföroreningar från fordon. Därför behövs förbättrade katalysatorer för att begränsa utsläppen av skadliga ämnen såsom kväveoxider.

Den huvudsakliga tekniken för selektiv katalytisk reduktion av kväveoxider använder ammoniak som reduktionsmedel. Det katalytiska materialet bör därför främja bildandet av en kväve–kvävebindning mellan kväveoxider och ammoniak i en miljö fullt med syre, och förhindra oönskade reaktioner, såsom oxidation av ammoniak till ännu mer kväveoxider eller lustgas.

Zeoliter – ett kraftfullt material för katalysatorer

Ett material med hög aktivitet för selektiv katalytisk reduktion är chabazit-zeolit som har försetts med koppar. Zeoliter är kristallina aluminosilikater bestående av små kanaler och kaviteter, där koppar förekommer som enkel- eller dubbelpositiva kopparjoner.

Det kopparutbytta chabazitmaterialet har visat sig vara ett mycket dynamiskt material. Vid typiska lågtemperaturförhållanden omges kopparjonerna av ammoniak och bildar rörliga laddade ammoniak–koppar–ammoniakkomplex som flyter runt i zeolitens kanaler och kaviteter. Rörligheten i dessa komplex är avgörande för katalysatorns prestanda, eftersom två komplex i samma zeolitkavitet behövs för att reaktionen ska kunna ske.

Har utvecklat en maskininlärningsmodell

– På grund av katalysatorns mycket dynamiska karaktär är beräkningsstudier viktiga för att förstå hur den detaljerade strukturen och sammansättningen i materialet påverkar prestandan, säger Henrik Grönbeck, professor vid institutionen för fysik på Chalmers tekniska högskola.

– I vår senaste studie har vi utvecklat ett maskininlärningsbaserat kraftfält, det vill säga en beräkningsmodell som används för att beskriva krafterna mellan atomer. Vårt kraftfält inkluderar långräckviddiga elektrostatiska interaktioner, vilket gör det möjligt att studera omfattningen av de laddade ammoniak–koppar–ammoniakkomplexen.

Studien publicerades nyligen i Nature Communications och är skriven av professor Henrik Grönbeck, Joachim Bjerregaard, som är doktorand vid institutionen för fysik, samt professor Martin Votsmeier från industripartnern Umicore och Tekniska universitetet i Darmstadt, och den har gjorts inom det EU-finansierade projektet CHASS.

Garanterar hög noggrannhet

Konventionella kraftfält med maskininlärning antar lokalitet, vilket inte beskriver de långräckviddiga Coulomb-interaktionerna som i stor utsträckning utgör zeolitsystemens egenskaper. Det nya kraftfältet baseras på omfattande kvantmekaniska beräkningar, vilket är en garanti för hög noggrannhet.

– Då vi tagit hjälp av maskininlärning vid användning av kraftfältet har vi kunnat förstå de atomära mekanismerna bakom diffusionen av de laddade ammoniak–koppar–ammoniakkomplexen och kunnat förstå hur materialets sammansättning påverkar bildandet av dessa komplex och deras stabilitet, säger Joachim Bjerregaard.

Arbetet leder därmed till nya möjligheter att förbättra det katalytiska materialets prestanda för reduktion av kväveoxider, eller till vidareutvecklingar även för andra potentiella tillämpningar, som exempelvis direkt omvandling av koldioxid till metanol eller längre kolväten.

– Användningen av precisa maskininlärning-kraftfält på zeolitsystem är en spännande utveckling, som hjälper oss att snabbare förstå komplexa system och föreslå nya effektiva katalytiska material, säger Henrik Grönbeck.

Mer om forskningen:

Artikeln “Influence of aluminium distribution on the diffusion mechanisms and pairing of [Cu(NH₃)₂]+ complexes in Cu-CHA” publicerades i Nature Communications den 11 januari 2025, och är skriven av Joachim Bjerregaard, Martin Votsmeier och Henrik Grönbeck. Studien har finansierats av Europeiska unionens Marie Sklodowska-Curie-projekt CHASS, vilken samlar forskargrupper inom akademin och industrin.