Estás leyendo
Fujitsu y Atmonia logran desarrollar una nueva tecnología que acelera la búsqueda de un catalizador disruptivo que permita la producción sostenible de amoníaco
Banner

Fujitsu y Atmonia logran desarrollar una nueva tecnología que acelera la búsqueda de un catalizador disruptivo que permita la producción sostenible de amoníaco

  • Combinando esta tecnología con la IA para descubrimientos científicos desarrollada por Fujitsu, las dos empresas han conseguido reducir a más de la mitad el tiempo de búsqueda de un material catalizador que sintetice eficazmente amoníaco a partir de agua, aire y electricidad a temperatura y presión ambiente.
fujitsu

Fujitsu y ehf., empresa islandesa de nueva creación que desarrolla un novedoso método para sintetizar amoníaco sostenible, han revelado el último hito en su  investigación conjunta sobre catalizadores para la producción sostenible de amoníaco,  al desarrollar con éxito una tecnología de alta velocidad para simulaciones químicas cuánticas.

Combinando esta tecnología con la IA para descubrimientos científicos desarrollada por , las dos empresas han conseguido reducir a más de la mitad el tiempo de búsqueda de un material que sintetice eficazmente amoníaco a partir de agua, aire y electricidad a temperatura y presión ambiente.

Las dos empresas realizaron diversos cálculos de química cuántica utilizando los recursos de supercomputación de Fujitsu a partir de los datos de simulación de la síntesis de amoníaco propiedad de Atmonia. Las enormes cantidades de datos derivados de estos cálculos, incluida la estructura de las configuraciones atómicas y los tipos y proporciones de los elementos químicos que componen los materiales catalizadores, se utilizaron para entrenar un modelo de simulación de IA que puede identificar rápidamente los catalizadores candidatos. La tecnología de IA de Fujitsu para el descubrimiento científico también se utilizó para identificar tendencias en las propiedades de materiales adecuados como catalizadores de síntesis de amoníaco basándose en relaciones causales entre más de 10.000 candidatos, lo que ayudó a reducir los datos de candidatos a catalizadores. La búsqueda de descubrimientos de catalizadores incluye, por ejemplo, el tipo y la posición de los átomos en los catalizadores y las energías libres de los intermedios en la reacción de reducción del nitrógeno.

En el futuro, las dos empresas utilizarán la tecnología recién desarrollada para seleccionar candidatos específicos a catalizadores de síntesis de amoníaco y verificar su eficacia, con el objetivo último de innovar un método de producción sostenible de amoníaco.

Acerca de la nueva tecnología desarrollada y sus resultados

1. Tecnología de cálculos químicos cuánticos de alta velocidad que combinan HPC y modelos de simulación IA

Al combinar la generación de datos de simulación para acelerar los cálculos químicos cuánticos con HPC y entrenar modelos de simulación de IA para predecir datos desconocidos, las dos empresas han desarrollado una tecnología que aumenta significativamente la eficiencia de la búsqueda de catalizadores.

Utilizando la relación entre la entrada y la salida de los datos de los cálculos químicos cuánticos obtenidos por HPC como datos de entrenamiento, se ideó un nuevo modelo de simulación de IA realizando eficientemente un entrenamiento especializado en la búsqueda material del objetivo. Introduciendo datos estructurales, se pueden predecir nuevos candidatos a materiales catalizadores 100 veces más rápido que con los cálculos químicos cuánticos convencionales.

2. Estimación de propiedades de compuestos adecuados para la síntesis de amoníaco mediante la combinación de la tecnología de cálculos químicos cuánticos de alta velocidad y la tecnología de descubrimiento causal.

Te puede interesar
Microsoft - Centros de datos de madera

Mediante la generación de datos de simulación para más de 10.000 casos de candidatos a catalizadores de síntesis de amoníaco utilizando cálculos químicos cuánticos acelerados por HPC y la IA desarrollada, y aplicando la tecnología de IA exclusiva de Fujitsu para el descubrimiento científico, los investigadores pudieron descubrir tendencias en las propiedades de los materiales adecuados para catalizadores basadas en relaciones causales entre elementos de los datos como el tipo y la posición de los átomos catalizadores y las energías libres de los intermedios. Por ejemplo, los elementos de números de grupo más bajos en la tabla periódica son más adecuados como metales base en los catalizadores. En función de estas tendencias, los investigadores pueden determinar con eficacia la dirección de la selección de materiales candidatos.

Como resultado, la tecnología permite a los investigadores reducir automáticamente el rango de búsqueda de materiales candidatos a catalizadores. Al racionalizar esta práctica, que requiere mucho tiempo y trabajo, utilizando la tecnología de IA para el descubrimiento científico, las dos empresas consiguieron reducir a más de la mitad el tiempo de búsqueda de candidatos a catalizadores.

Planes de futuro

Las dos empresas pretenden contribuir a la neutralidad de carbono seleccionando candidatos específicos a catalizadores de síntesis de amoníaco y verificando su eficacia, haciendo de la síntesis sostenible de amoníaco una realidad práctica.

Fujitsu también trabajará para mejorar aún más la eficiencia de la investigación de materiales con una tecnología desarrollada en colaboración con la Universidad de Toronto que utiliza la tecnología Quantum-Inspired Digital Annealer de Fujitsu para descubrir la combinación óptima de configuraciones de elementos materiales adecuados para los catalizadores. La cartera «Fujitsu Computing as a Service (CaaS)» es una importante oferta de TI híbrida bajo Fujitsu Uvance, que ofrece a los usuarios, incluidos los clientes de las ciencias de los materiales, un conjunto versátil de servicios en la nube que promete reducir la barrera de entrada a las tecnologías avanzadas de computación y software. Fujitsu pretende incorporar esta tecnología a su cartera CaaS en el futuro.

Utilizamos cookies para facilitar la relación de los visitantes con nuestro contenido y para permitir elaborar estadísticas sobre las visitantes que recibimos. No se utilizan cookies con fines publicitarios ni se almacena información de tipo personal. Puede gestionar las cookies desde aquí.   
Privacidad