JP7289969B1 - 触媒の選択方法及び触媒の製造方法 - Google Patents
触媒の選択方法及び触媒の製造方法 Download PDFInfo
- Publication number
- JP7289969B1 JP7289969B1 JP2022107477A JP2022107477A JP7289969B1 JP 7289969 B1 JP7289969 B1 JP 7289969B1 JP 2022107477 A JP2022107477 A JP 2022107477A JP 2022107477 A JP2022107477 A JP 2022107477A JP 7289969 B1 JP7289969 B1 JP 7289969B1
- Authority
- JP
- Japan
- Prior art keywords
- catalyst
- reaction
- candidate substance
- energy
- selecting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003054 catalyst Substances 0.000 title claims abstract description 324
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 22
- 239000000126 substance Substances 0.000 claims abstract description 314
- 238000012216 screening Methods 0.000 claims abstract description 171
- 238000006243 chemical reaction Methods 0.000 claims abstract description 170
- 230000007704 transition Effects 0.000 claims abstract description 121
- 238000010187 selection method Methods 0.000 claims abstract description 49
- 238000006555 catalytic reaction Methods 0.000 claims abstract description 37
- 239000002994 raw material Substances 0.000 claims abstract description 33
- 230000009257 reactivity Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 95
- 238000005457 optimization Methods 0.000 claims description 63
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical group N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 56
- 238000000926 separation method Methods 0.000 claims description 33
- 238000001179 sorption measurement Methods 0.000 claims description 33
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 32
- 238000010801 machine learning Methods 0.000 claims description 29
- 238000002360 preparation method Methods 0.000 claims description 20
- 239000002184 metal Substances 0.000 claims description 18
- 229910052751 metal Inorganic materials 0.000 claims description 18
- 239000013078 crystal Substances 0.000 claims description 16
- 229910052757 nitrogen Inorganic materials 0.000 claims description 15
- 239000000956 alloy Substances 0.000 claims description 8
- 229910045601 alloy Inorganic materials 0.000 claims description 8
- 229910021529 ammonia Inorganic materials 0.000 claims description 6
- 239000001257 hydrogen Substances 0.000 claims description 6
- 229910052739 hydrogen Inorganic materials 0.000 claims description 6
- 150000002739 metals Chemical class 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 3
- 150000002736 metal compounds Chemical class 0.000 claims description 3
- 238000001311 chemical methods and process Methods 0.000 claims description 2
- 239000000543 intermediate Substances 0.000 description 115
- 230000015572 biosynthetic process Effects 0.000 description 57
- 238000003786 synthesis reaction Methods 0.000 description 56
- 230000000694 effects Effects 0.000 description 54
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 22
- 230000004913 activation Effects 0.000 description 19
- 238000010494 dissociation reaction Methods 0.000 description 18
- 230000005593 dissociations Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 16
- 238000003775 Density Functional Theory Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 9
- 239000003463 adsorbent Substances 0.000 description 9
- 230000002194 synthesizing effect Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 150000001875 compounds Chemical class 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 229910052703 rhodium Inorganic materials 0.000 description 4
- 125000004429 atom Chemical group 0.000 description 3
- 150000002431 hydrogen Chemical class 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 229910015187 FePd Inorganic materials 0.000 description 2
- 229910016897 MnNi Inorganic materials 0.000 description 2
- 101100116973 Mus musculus Dmbt1 gene Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003077 quantum chemistry computational method Methods 0.000 description 2
- 229910052702 rhenium Inorganic materials 0.000 description 2
- 239000007858 starting material Substances 0.000 description 2
- 229910052720 vanadium Inorganic materials 0.000 description 2
- 229910021296 Co3Pt Inorganic materials 0.000 description 1
- 239000002156 adsorbate Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 208000018459 dissociative disease Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003970 interatomic potential Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 150000004767 nitrides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
- B01J23/00—Catalysts comprising metals or metal oxides or hydroxides, not provided for in group B01J21/00
- B01J23/70—Catalysts comprising metals or metal oxides or hydroxides, not provided for in group B01J21/00 of the iron group metals or copper
- B01J23/89—Catalysts comprising metals or metal oxides or hydroxides, not provided for in group B01J21/00 of the iron group metals or copper combined with noble metals
-
- C—CHEMISTRY; METALLURGY
- C01—INORGANIC CHEMISTRY
- C01C—AMMONIA; CYANOGEN; COMPOUNDS THEREOF
- C01C1/00—Ammonia; Compounds thereof
- C01C1/02—Preparation, purification or separation of ammonia
- C01C1/04—Preparation of ammonia by synthesis in the gas phase
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P20/00—Technologies relating to chemical industry
- Y02P20/50—Improvements relating to the production of bulk chemicals
- Y02P20/52—Improvements relating to the production of bulk chemicals using catalysts, e.g. selective catalysts
Landscapes
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Analytical Chemistry (AREA)
- Inorganic Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Catalysts (AREA)
Abstract
【解決手段】触媒の選択方法は、原料から目的生成物を生成する触媒反応の素反応の中間体構造又は遷移状態構造のエネルギーを記述子として選択する工程と、記述子と触媒反応の反応性を表したマップを作成する工程と、候補物質を固定した状態で、候補物質を用いた触媒反応に関する記述子を算出する工程と、記述子を用いて第1プロット付きマップを作成する工程と、第1プロット付きマップを基に候補物質から1次スクリーニング候補物質を選択する工程と、1次スクリーニング候補物質の表面を緩和した状態で、1次スクリーニング候補物質を用いた触媒反応に関する記述子を算出する工程と、算出した記述子を用いて第2プロット付きマップを作成する工程と、第2プロット付きマップを基に2次スクリーニング候補物質を選択する工程とを含む。
【選択図】図4
Description
原料から目的生成物を生成する触媒反応のための触媒の選択方法であって、
前記触媒反応の素反応に含まれる中間体構造又は遷移状態構造のエネルギーを記述子として選択する記述子選択工程と、
前記記述子と前記触媒の反応性との関係を表したマップを作成するマップ作成工程と、
前記触媒の候補物質を複数種類準備する準備工程と、
前記候補物質を固定した状態で、前記候補物質を用いた前記触媒反応に関する前記記述子を算出する第1算出工程と、
前記第1算出工程で算出した前記記述子を前記マップ上にプロットして第1プロット付きマップを作成する第1プロット工程と、
前記第1プロット付きマップを基に前記候補物質をスクリーニングして1次スクリーニング候補物質を選択する第1スクリーニング工程と、
前記1次スクリーニング候補物質に対して、前記1次スクリーニング候補物質の表面を緩和した状態で、前記1次スクリーニング候補物質を用いた前記触媒反応に関する前記記述子を算出する第2算出工程と、
前記第2算出工程で算出した前記記述子を前記マップ上にプロットして第2プロット付きマップを作成する第2プロット工程と、
前記第2プロット付きマップを基に前記1次スクリーニング候補物質をスクリーニングして2次スクリーニング候補物質を選択する第2スクリーニング工程と、
を含む。
図1は、本実施形態に係る触媒の選択方法が適用される触媒の選択システムの構成を示す図である。図1に示すように、触媒の選択システム1は、触媒の選択装置10と、記憶部20と、機械学習ポテンシャル30とを有している。触媒の選択システム1では、触媒の選択装置10、記憶部20及び機械学習ポテンシャル30は、通信ネットワーク40を介して接続され、触媒の選択装置10、記憶部20及び機械学習ポテンシャル30への入力値と、触媒の選択装置10、記憶部20及び機械学習ポテンシャル30の出力値は、通信ネットワーク40を介して送信されてよい。記憶部20及び機械学習ポテンシャル30の少なくとも一方は、クラウド上に格納されてもよい。
N2(g)+*→N2 * ・・・(I)
H2(g)+2*→2H* ・・・(II)
N2 *+*→N-N*+*→2N* ・・・(III)
N*+H*→N-H*+*→NH*+* ・・・(IV)
NH*+H*→NH-H*+* h→NH2 *+* ・・・(V)
NH2 *+H*→NH2-H*+*→NH3 *+* ・・・(VI)
NH3 *⇔NH3(g)* ・・・(VII)
図4は、触媒の選択装置10の構成を示す機能ブロック図である。図4に示すように、触媒の選択装置10は、記述子選択部11、マップ作成部12、準備部13、第1算出部14、第1プロット部15、第1スクリーニング部16、第2算出部17、第2プロット部18、第2スクリーニング部19、絞り込み部21及び出力部22を有する。
1.素反応列挙:
NH3合成に関する素反応を全て書き出す。
2.エネルギー計算:
特定の触媒の表面(例えば、触媒の(111)面)で、書き出した素反応に含まれる全ての中間体及び遷移状態のエネルギーを機械学習ポテンシャル30で計算する。
3.反応速度計算:
求めたエネルギーを反応速度式に変換し、連立常微分方程式を解くことで、上述の「1.素反応列挙」で求めた各素反応の反応速度を得る。そして、NH3合成に関する素反応の(VII)式の「NH3 *⇔NH3(g)*」の速度を出力して、触媒の表面(例えば、触媒の(111)面)におけるNH3合成速度を得る。
1.準備:
1-1.NH3合成に関する全ての素反応を記述する。
1-2.NH3合成に関する素反応において生じる、全ての中間体と遷移状態を算出する。例えば、いくつかの基準触媒に関して、全ての中間体と遷移状態を算出する。即ち、これらの基準触媒を用いた時に生じる、全ての中間体と遷移状態を計算する。そして、全ての中間体と遷移状態の中から、記述子に用いる2つの反応成分(例えば、中間体又は遷移状態)だけを選んで、2つの記述子(例えば、N*の吸着エネルギー、N-N*の解離活性化エネルギー)を計算する。その他のパラメータ(例えば、中間体のエネルギー、遷移状態のエネルギー)は、記述子からの線形回帰で取得する。
2.活性マップ作成:
2つの記述子の値を定めると、書き出した全ての素反応に含まれる全ての中間体及び遷移状態のエネルギーを線形回帰から得ることができ、上記の、一般的なMicrokineticsの「3.反応速度計算:」で説明したMicrokineticsによりNH3合成速度を得ることができる。任意の範囲で2つの記述子の値を変えてNH3合成速度をそれぞれ算出することにより、図5に示すような活性マップを得ることができる。
3.新規触媒スクリーニング:
新しい触媒に対しては、既に、上記の「2.活性マップ作成:」で2つの記述子エネルギーとNH3合成速度の関係性が明らかとなっていることから、2つの記述子(例えば、N*の吸着エネルギー、N-N*の解離活性化エネルギー)だけを計算することで、その触媒の合成速度を知ることができる。
AB*→A-B*→A*+B* ・・・(1)
生成エネルギー=EAlloy-NA×EA(bulk)-NB×EB(bulk) ・・・(i)
(式中、EAlloyは、合金ABのバルクエネルギーであり、EA(bulk)は、金属Aのバルクエネルギーであり、EB(bulk)は、金属Bのバルクエネルギーであり、NAは、合金中の金属Aの原子数であり、NBは、合金中の金属Bの原子数である。)
次に、触媒の選択装置10のハードウェア構成の一例について説明する。図10は、触媒の選択装置10のハードウェア構成を示すブロック図である。図10に示すように、触媒の選択装置10は、情報処理装置(コンピュータ)で構成され、物理的には、演算処理部であるCPU(Central Processing Unit:プロセッサ)101、主記憶装置であるRAM(Random Access Memory)102及びROM(Read Only Memory)103、入力デバイスである入力装置104、出力装置105、通信モジュール106並びにハードディスク等の補助記憶装置107等を含むコンピュータシステムとして構成することができる。これらは、バス108で相互に接続されている。なお、出力装置105及び補助記憶装置107は、外部に設けられていてもよい。
本実施形態に係る触媒の選択方法について説明する。本実施形態に係る触媒の選択方法は、上述の触媒の選択システム1を用いて行うことができる。このため、既に説明した事項は説明を一部省略する。
本実施形態に係る触媒は、上記の本実施形態に係る触媒の選択方法により選択される。
図19は、本実施形態に係る触媒の製造方法の一例を示すフローチャートである。図19に示すように、本実施形態に係る触媒の製造方法は、触媒を選択する選択工程(ステップS31)と、触媒を調製する調製工程(ステップS32)とを含む。
<1> 原料から目的生成物を生成する触媒反応のための触媒の選択方法であって、
前記触媒反応の素反応に含まれる中間体構造又は遷移状態構造のエネルギーを記述子として選択する記述子選択工程と、
前記記述子と前記触媒の反応性との関係を表したマップを作成するマップ作成工程と、
前記触媒の候補物質を複数種類準備する準備工程と、
前記候補物質を固定した状態で、前記候補物質を用いた前記触媒反応に関する前記記述子を算出する第1算出工程と、
前記第1算出工程で算出した前記記述子を前記マップ上にプロットして第1プロット付きマップを作成する第1プロット工程と、
前記第1プロット付きマップを基に前記候補物質をスクリーニングして1次スクリーニング候補物質を選択する第1スクリーニング工程と、
前記1次スクリーニング候補物質に対して、前記1次スクリーニング候補物質の表面を緩和した状態で、前記1次スクリーニング候補物質を用いた前記触媒反応に関する前記記述子を算出する第2算出工程と、
前記第2算出工程で算出した前記記述子を前記マップ上にプロットして第2プロット付きマップを作成する第2プロット工程と、
前記第2プロット付きマップを基に前記1次スクリーニング候補物質をスクリーニングして2次スクリーニング候補物質を選択する第2スクリーニング工程と、
を含む触媒の選択方法。
<2> 前記第1算出工程及び前記第2算出工程の少なくとも一方は、機械学習ポテンシャルを用いて、前記記述子を算出する<1>に記載の触媒の選択方法。
<3> 前記機械学習ポテンシャルが、ニューラルネットワークポテンシャルである<2>に記載の触媒の選択方法。
<4> 前記第1算出工程及び前記第2算出工程の少なくとも一方は、前記素反応に含まれる前記候補物質の表面における前記原料由来の物質を含む反応成分の吸着位置を変化させ、前記候補物質と前記反応成分とを含む中間構造体について、構造の最適化を行う<1>~<3>の何れか1つに記載の触媒の選択方法。
<5> 前記記述子は、前記触媒の表面に前記原料由来の物質を含む反応成分が吸着した後、前記反応成分が2以上の物質に分離する分離素反応における遷移状態エネルギーを含んでおり、
前記第1算出工程は、
前記分離素反応に含まれる前記候補物質の表面における前記反応成分の前記候補物質と前記反応成分とを含む中間構造体について構造の最適化を行い、第1最適化構造を算出する第1構造最適化工程と、
前記反応成分の前記候補物質と前記反応成分とを含む前記2以上の物質に分離した際の構造の最適化を行い、第2最適化構造を算出する第2構造最適化工程と、
前記第1最適化構造と前記第2最適化構造とから前記遷移状態エネルギーである第1遷移状態エネルギーを算出する第1遷移状態エネルギー算出工程と、
を含む<1>~<4>の何れか一つに記載の触媒の選択方法。
<6> 前記記述子は、前記触媒の表面に前記原料由来の物質を含む反応成分が吸着した後、前記反応成分が2以上の物質に分離する分離素反応における遷移状態エネルギーを含んでおり、
前記第2算出工程は、
前記分離素反応に含まれる前記1次スクリーニング候補物質の表面における、前記1次スクリーニング候補物質と前記反応成分とを含む中間構造体について構造の最適化を行い、第1最適化構造を算出する第1構造最適化工程と、
前記反応成分について、前記2以上の物質に分離した際の分離構造の最適化を行い、第2最適化構造を算出する第2構造最適化工程と、
前記第1最適化構造と前記第2最適化構造とから前記遷移状態エネルギーである第2遷移状態エネルギーを算出する第2エネルギー算出工程と、
を含む<1>~<5>の何れか一つに記載の触媒の選択方法。
<7> 前記準備工程は、一の前記候補物質の表面の1種類の元素を別の異なる元素に置換した物質を他の前記候補物質として含む<1>~<6>の何れか一つに記載の触媒の選択方法。
<8> 前記準備工程は、前記候補物質として、結晶面のみが異なる物質も含む<1>~<7>の何れか一つに記載の触媒の選択方法。
<9> 前記第2スクリーニング工程で得られた前記2次スクリーニング候補物質を、触媒安定性又は触媒コストにより絞り込む絞り込み工程を含む<1>~<8>の何れか一つに記載の触媒の選択方法。
<10> 前記候補物質は、単体の金属、複数の金属を含む合金、又は前記金属を含む金属化合物である<1>~<9>の何れか一つに記載の触媒の選択方法。
<11> 前記原料が窒素と水素であり、前記目的生成物がアンモニアである<1>~<10>の何れか一つに記載の触媒の選択方法。
<12> 前記記述子が、前記候補物質の表面に前記原料由来の物質を含む反応成分が吸着する際の吸着エネルギーと、前記候補物質の表面に前記反応成分が吸着した後、前記反応成分が2以上の物質に分離する分離素反応における遷移状態エネルギーとを含む、<11>に記載の触媒の選択方法。
<13> <1>~<12>の何れか一つに記載の触媒の選択方法により選択された触媒。
<14> <13>に記載の触媒は、アンモニア合成用の触媒であり、IrSc、FePd3、MnTc3、IrY、CrPd3、MnPd3、RhY、Cо3Pt、CrPt3、FeRh3、CrRh3、Ni3Ti、Ir3V、Pt3Ti、Cо3Rh、Pd3Ti、Ni3Zr、Cо3W、NiPd3、FeNi3、Ir3Mn、IrMn、MnPt、MnNi3、Ir3Re、MnRh、Pd3V、MnPt3、Rh3V及びRh3Tiからなる群から選択された1種以上の成分を含む触媒。
<15> <1>~<12>の何れか一つに記載の触媒の選択方法により触媒を選択する選択工程と、
前記選択工程で選択した触媒を調製する調製工程と、
を含む触媒の製造方法。
10 触媒の選択装置
11 記述子選択部
12 マップ作成部
13 準備部
14 第1算出部
15 第1プロット部
16 第1スクリーニング部
17 第2算出部
18 第2プロット部
19 第2スクリーニング部
21 絞り込み部
22 出力部
20 記憶部
30 機械学習ポテンシャル
141、171 第1構造最適化部
142、172 第2構造最適化部
143 第1遷移状態エネルギーの取得部
173 第2遷移状態エネルギーの取得部
Claims (13)
- 原料から目的生成物を生成する触媒反応のための触媒の選択方法であって、
前記触媒反応の素反応に含まれる中間体構造又は遷移状態構造のエネルギーを記述子として選択する記述子選択工程と、
前記記述子と前記触媒の反応性との関係を表したマップを作成するマップ作成工程と、
前記触媒の候補物質を複数種類準備する準備工程と、
前記候補物質を固定した状態で、前記候補物質を用いた前記触媒反応に関する前記記述子を算出する第1算出工程と、
前記第1算出工程で算出した前記記述子を前記マップ上にプロットして第1プロット付きマップを作成する第1プロット工程と、
前記第1プロット付きマップを基に前記候補物質をスクリーニングして1次スクリーニング候補物質を選択する第1スクリーニング工程と、
前記1次スクリーニング候補物質に対して、前記1次スクリーニング候補物質の表面を緩和した状態で、前記1次スクリーニング候補物質を用いた前記触媒反応に関する前記記述子を算出する第2算出工程と、
前記第2算出工程で算出した前記記述子を前記マップ上にプロットして第2プロット付きマップを作成する第2プロット工程と、
前記第2プロット付きマップを基に前記1次スクリーニング候補物質をスクリーニングして2次スクリーニング候補物質を選択する第2スクリーニング工程と、
を含む触媒の選択方法。 - 前記第1算出工程及び前記第2算出工程の少なくとも一方は、機械学習ポテンシャルを用いて、前記記述子を算出する請求項1に記載の触媒の選択方法。
- 前記機械学習ポテンシャルが、ニューラルネットワークポテンシャルである請求項2に記載の触媒の選択方法。
- 前記第1算出工程及び前記第2算出工程の少なくとも一方は、前記素反応に含まれる前記候補物質の表面における前記原料由来の物質を含む反応成分の吸着位置を変化させ、前記候補物質と前記反応成分とを含む中間構造体について、構造の最適化を行う請求項1に記載の触媒の選択方法。
- 前記記述子は、前記触媒の表面に前記原料由来の物質を含む反応成分が吸着した後、前記反応成分が2以上の物質に分離する分離素反応における遷移状態エネルギーを含んでおり、
前記第1算出工程は、
前記分離素反応に含まれる前記候補物質の表面における前記反応成分の前記候補物質と前記反応成分とを含む中間構造体について構造の最適化を行い、第1最適化構造を算出する第1構造最適化工程と、
前記反応成分の前記候補物質と前記反応成分とを含む前記2以上の物質に分離した際の構造の最適化を行い、第2最適化構造を算出する第2構造最適化工程と、
前記第1最適化構造と前記第2最適化構造とから前記遷移状態エネルギーである第1遷移状態エネルギーを算出する第1遷移状態エネルギー算出工程と、
を含む請求項1に記載の触媒の選択方法。 - 前記記述子は、前記触媒の表面に前記原料由来の物質を含む反応成分が吸着した後、前記反応成分が2以上の物質に分離する分離素反応における遷移状態エネルギーを含んでおり、
前記第2算出工程は、
前記分離素反応に含まれる前記1次スクリーニング候補物質の表面における、前記1次スクリーニング候補物質と前記反応成分とを含む中間構造体について構造の最適化を行い、第1最適化構造を算出する第1構造最適化工程と、
前記反応成分について、前記2以上の物質に分離した際の分離構造の最適化を行い、第2最適化構造を算出する第2構造最適化工程と、
前記第1最適化構造と前記第2最適化構造とから前記遷移状態エネルギーである第2遷移状態エネルギーを算出する第2エネルギー算出工程と、
を含む請求項1に記載の触媒の選択方法。 - 前記準備工程は、一の前記候補物質の表面の1種類の元素を別の異なる元素に置換した物質を他の前記候補物質として含む請求項1に記載の触媒の選択方法。
- 前記準備工程は、前記候補物質として、結晶面のみが異なる物質も含む請求項1に記載の触媒の選択方法。
- 前記第2スクリーニング工程で得られた前記2次スクリーニング候補物質を、触媒安定性又は触媒コストにより絞り込む絞り込み工程を含む請求項1に記載の触媒の選択方法。
- 前記候補物質は、単体の金属、複数の金属を含む合金、又は前記金属を含む金属化合物である請求項1に記載の触媒の選択方法。
- 前記原料が窒素と水素であり、前記目的生成物がアンモニアである請求項1に記載の触媒の選択方法。
- 前記記述子が、前記候補物質の表面に前記原料由来の物質を含む反応成分が吸着する際の吸着エネルギーと、前記候補物質の表面に前記反応成分が吸着した後、前記反応成分が2以上の物質に分離する分離素反応における遷移状態エネルギーとを含む請求項11に記載の触媒の選択方法。
- 請求項1に記載の触媒の選択方法により触媒を選択する選択工程と、
前記選択工程で選択した触媒を調製する調製工程と、
を含む触媒の製造方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022107477A JP7289969B1 (ja) | 2022-07-04 | 2022-07-04 | 触媒の選択方法及び触媒の製造方法 |
PCT/JP2023/024490 WO2024009917A1 (ja) | 2022-07-04 | 2023-06-30 | 触媒の選択方法、触媒及び触媒の製造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022107477A JP7289969B1 (ja) | 2022-07-04 | 2022-07-04 | 触媒の選択方法及び触媒の製造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7289969B1 true JP7289969B1 (ja) | 2023-06-12 |
JP2024006513A JP2024006513A (ja) | 2024-01-17 |
Family
ID=86721421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022107477A Active JP7289969B1 (ja) | 2022-07-04 | 2022-07-04 | 触媒の選択方法及び触媒の製造方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7289969B1 (ja) |
WO (1) | WO2024009917A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000264625A (ja) | 1999-03-15 | 2000-09-26 | Haldor Topsoe As | アンモニアの製造法及びアンモニア合成触媒 |
JP2014151290A (ja) | 2013-02-12 | 2014-08-25 | Denso Corp | アンモニア製造用触媒 |
WO2018221699A1 (ja) | 2017-05-31 | 2018-12-06 | 古河電気工業株式会社 | アンモニア合成触媒構造体及びその製造方法、アンモニア合成装置並びにアンモニアの合成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS4914632B1 (ja) * | 1970-11-25 | 1974-04-09 |
-
2022
- 2022-07-04 JP JP2022107477A patent/JP7289969B1/ja active Active
-
2023
- 2023-06-30 WO PCT/JP2023/024490 patent/WO2024009917A1/ja unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000264625A (ja) | 1999-03-15 | 2000-09-26 | Haldor Topsoe As | アンモニアの製造法及びアンモニア合成触媒 |
JP2014151290A (ja) | 2013-02-12 | 2014-08-25 | Denso Corp | アンモニア製造用触媒 |
WO2018221699A1 (ja) | 2017-05-31 | 2018-12-06 | 古河電気工業株式会社 | アンモニア合成触媒構造体及びその製造方法、アンモニア合成装置並びにアンモニアの合成方法 |
Non-Patent Citations (5)
Title |
---|
ARTRITH, Nongnuch et al.,Predicting the Activity and Selectivity of Bimetallic Metal Catalysts for Ethanol Reforming using Machine Learning,ACS Catal.,米国,American Chemical Society,2020年08月03日,Vol 10, No. 16,pp. 9438-9444,DOI: 10.1021/acscatal.0c0289 |
KARAKAYA, Canan et al.,Development, characterization, and modeling of a high-performance Ru/B2CA catalyst for ammonia synthesis,Chem. Eng. Sci.,英国,Elsevier Ltd.,2021年07月02日,Vol. 247,pp. 116902-1-116902-13,DOI: 10.1016/j.ces.2021.116902 |
MA, Sicong et al.,Dynamic coordination of cations and catalytic selectivity on zinc-chromium oxide alloys during syngas conversion,Nat. Catal.,ドイツ,SPRINGER NATURE Ltd.,2019年06月17日,Vol. 2, No. 8,pp. 671-677,DOI: 10.1038/s41929-019-0293-8 |
MA, Xue-Lu et al.,Surface Single-Cluster Catalyst for N2-to-NH3 Thermal Conversion,J. Am. Chem. Soc.,米国,American Chemical Society,2017年12月15日,Vol. 140, No.1,pp. 46-49,DOI: 10.1024/jacs.7b10354 |
ROY, Diptendu et al.,Machine Learning-Driven High-Throuput Screening of Alloy-Based Catalysts for Selective CO2 hydrogenation to Methanol,ACS Appl. Mater. Interfaces,米国,American Chemical Society,2021年11月17日,Vol. 13, No. 47,pp. 56151-56163,DOI: 10.1021/acsami.1c16696 |
Also Published As
Publication number | Publication date |
---|---|
WO2024009917A1 (ja) | 2024-01-11 |
JP2024006513A (ja) | 2024-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tran et al. | Active learning across intermetallics to guide discovery of electrocatalysts for CO2 reduction and H2 evolution | |
Stocker et al. | Machine learning in chemical reaction space | |
Mathew et al. | Atomate: A high-level interface to generate, execute, and analyze computational materials science workflows | |
Stamatakis | Kinetic modelling of heterogeneous catalytic systems | |
Salciccioli et al. | A review of multiscale modeling of metal-catalyzed reactions: Mechanism development for complexity and emergent behavior | |
Proppe et al. | Mechanism deduction from noisy chemical reaction networks | |
Sterk et al. | Structure sensitivity of CO2 conversion over nickel metal nanoparticles explained by micro-kinetics simulations | |
Hattrick-Simpers et al. | The materials super highway: integrating high-throughput experimentation into mapping the catalysis materials genome | |
US20210158891A1 (en) | Structure search method and structure search apparatus | |
JP7289969B1 (ja) | 触媒の選択方法及び触媒の製造方法 | |
Ma et al. | Simultaneous synthesis and design of reaction–separation–recycle processes using rigorous models | |
Chen et al. | Active site of catalytic ethene epoxidation: machine-learning global pathway sampling rules out the metal sites | |
JP5099511B2 (ja) | 合成経路評価システムとその方法とそのプログラム | |
CN110364230A (zh) | 一种快速筛选铜催化二氧化碳与氢气制甲酸反应中有机碱的方法 | |
Wander et al. | Catlas: an automated framework for catalyst discovery demonstrated for direct syngas conversion | |
WO2024009918A1 (ja) | アンモニア合成触媒及びアンモニアの合成方法 | |
Ohno et al. | Exploration on quantum chemical potential energy surfaces: towards the discovery of new chemistry | |
CN116759000A (zh) | 一种基于副产物的深度逆合成反应预测方法、装置、介质及设备 | |
Artrith | Learning what makes catalysts good | |
Szilvási et al. | Identification of stable adsorption sites and diffusion paths on nanocluster surfaces: an automated scanning algorithm | |
Fleitmann et al. | From molecules to heat‐integrated processes: computer‐aided design of solvents and processes using quantum chemistry | |
Łodyga et al. | Torsion-wagging tunneling and vibrational states in hydrazine determined from its ab initio potential energy surface | |
Chen et al. | Square-pyramidal subsurface oxygen [Ag4OAg] drives selective ethene epoxidation on silver | |
Chang et al. | Efficient Acceleration of Reaction Discovery in the Ab Initio Nanoreactor: Phenyl Radical Oxidation Chemistry | |
Sheng | Expanding the computational toolkit for theoretical chemistry studies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220704 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220704 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221122 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230120 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20230124 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230516 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230531 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7289969 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |