Η παραγωγή αμμωνίας καταναλώνει έως και 2% της παγκόσμιας ενέργειας και παράγει περίπου το 1,5% των παγκόσμιων εκπομπών αερίων του θερμοκηπίου, κυρίως επειδή η βιομηχανία εξακολουθεί να βασίζεται σε μια διαδικασία ενός αιώνα που τροφοδοτείται από ορυκτά καύσιμα. Περίπου το 80% των 200 εκατομμυρίων μετρικών τόνων αμμωνίας που παράγονται παγκοσμίως κάθε χρόνο πηγαίνει σε αζωτούχα λιπάσματα, ενώ το υπόλοιπο χρησιμοποιείται σε πλαστικά, υφάσματα, εκρηκτικά και άλλα βιομηχανικά χημικά. Ερευνητές στο Τεχνολογικό Ινστιτούτο της Μασαχουσέτης (MIT) έχουν πλέον αναπτύξει μια νέα μέθοδο που χρησιμοποιεί υπολογισμούς τεχνητής νοημοσύνης και κβαντομηχανικής για να εντοπίσει τους συνδυασμούς καταλυτών που είναι πιο πιθανό να μειώσουν την ενέργεια που απαιτείται για την ηλεκτροχημική παραγωγή αμμωνίας.
Η χρήση της τεχνητής νοημοσύνης
Αντί να συνθέτουν και να δοκιμάζουν χιλιάδες κράματα ένα προς ένα, οι ερευνητές μπορούν να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να προβλέψουν ποιοι συνδυασμοί είναι πιο πιθανό να μειώσουν την ενέργεια που απαιτείται για την παραγωγή αμμωνίας.
Η ηλεκτροχημική σύνθεση αμμωνίας έχει μελετηθεί εδώ και δεκαετίες ως εναλλακτική λύση στην παραδοσιακή διαδικασία Haber-Bosch. Η ηλεκτροχημική σύνθεση αντικαθιστά το υδρογόνο που προέρχεται από ορυκτά καύσιμα και τις ακραίες θερμοκρασίες και πιέσεις που χρησιμοποιεί η Haber-Bosch με ηλεκτρισμό, νερό και άζωτο. Εάν η ηλεκτρική ενέργεια αυτή προέρχεται από πηγές χαμηλών εκπομπών άνθρακα, η αμμωνία μπορεί να παραχθεί χωρίς φυσικό αέριο ή άνθρακα ως πρώτη ύλη.
Ωστόσο, η αποδοτικότητα εξακολουθεί να αποτελεί ζήτημα.
Η παραγωγή αμμωνίας
Η ηλεκτροχημική παραγωγή αμμωνίας παραμένει πολύ αργή και αναποτελεσματική για να ανταγωνιστεί την Haber-Bosch σε βιομηχανική κλίμακα, με μεγάλο μέρος της δυσκολίας να προκαλείται από το άζωτο. Τα δύο άτομα σε ένα μόριο αζώτου συγκρατούνται μεταξύ τους από έναν εξαιρετικά ισχυρό τριπλό δεσμό που απαιτεί υψηλά επίπεδα ενέργειας για να διασπαστεί πριν το άζωτο αντιδράσει για να σχηματίσει αμμωνία, σύμφωνα με τους ερευνητές.
Το MIT επικεντρώνεται σε καταλύτες νιτριδίων μετάλλων επειδή το δικό τους άζωτο μπορεί να συμμετέχει στην παραγωγή αμμωνίας, μειώνοντας μέρος της ενέργειας που απαιτείται για τη διάσπαση των μορίων αζώτου από τον αέρα.
Η εύρεση του σωστού υλικού είναι μια ακόμη επιπλοκή.
Υπάρχουν δυνητικά εκατομμύρια συνδυασμοί κραμάτων, γεγονός που καθιστά μη πρακτική την κατασκευή και τη δοκιμή του καθενός. Με επικεφαλής τον ερευνητή Κωνσταντίνο Αθανίτη, η ομάδα του MIT χρησιμοποίησε κβαντομηχανικούς υπολογισμούς για να προσδιορίσει ποιες μικροσκοπικές ιδιότητες ελέγχουν τα διαφορετικά στάδια της αντίδρασης και στη συνέχεια εκπαίδευσε μοντέλα μηχανικής μάθησης για να προβλέψει ποια κράματα θα μπορούσαν να ξεπεράσουν τα σημεία συμφόρησης, συμπεριλαμβανομένης της διάσπασης του αζώτου και της μεταφοράς υδρογόνου.
«Αν μπορούμε με κάποιο τρόπο να βρούμε έναν καταλύτη που μειώνει την απαιτούμενη ενέργεια και είναι πιο επιλεκτικός για την παραγωγή αμμωνίας», είπε ο Αθανίτης, «τότε θα μπορούσαμε ουσιαστικά να πετύχουμε το τζακπότ».
Αλλά κανένας μεμονωμένος καταλύτης δεν λύνει κάθε πρόβλημα. Ορισμένα υλικά είναι καλύτερα στη διάσπαση του αζώτου, ενώ άλλα χειρίζονται τις αντιδράσεις υδρογόνου πιο αποτελεσματικά. Το MIT χρησιμοποιεί την Τεχνητή Νοημοσύνη για να βρει κράματα που μπορούν να κάνουν και τα δύο αρκετά καλά ώστε να κάνουν τη συνολική διαδικασία πιο αποτελεσματική.
Προς το παρόν, όλα αυτά είναι θεωρητικά. Οι καταλύτες που προσδιορίζονται από τα μοντέλα πρέπει ακόμη να κατασκευαστούν και να δοκιμαστούν σε ένα λειτουργικό ηλεκτροχημικό κελί, και οι ερευνητές του MIT προετοιμάζουν τώρα πειράματα για να προσδιορίσουν εάν η προβλεπόμενη απόδοση επιβιώνει εκτός των υπολογιστικών μοντέλων.
Το περιβαλλοντικό αποτύπωμα
Η παραγωγή αμμωνίας παράγει εκατοντάδες εκατομμύρια μετρικούς τόνους CO2 κάθε χρόνο και κατατάσσεται μεταξύ των πιο ενεργοβόρων χημικών διεργασιών στον κόσμο. Η ηλεκτροχημική παραγωγή θα μπορούσε να εξαλείψει μεγάλο μέρος αυτής της χρήσης ορυκτών καυσίμων, αλλά οι ρυθμοί παραγωγής και η αποδοτικότητα έχουν ακόμη πολύ δρόμο να διανύσουν πριν μπορέσουν να αμφισβητήσουν την Haber-Bosch.
Το MIT δεν έχει λύσει αυτά τα προβλήματα. Αυτό που έκανε είναι να χρησιμοποιήσει την Τεχνητή Νοημοσύνη για να περιορίσει την αναζήτηση καταλυτών που θα μπορούσαν, αντικαθιστώντας την αργή διαδικασία σύνθεσης και δοκιμής χιλιάδων κραμάτων ένα προς ένα.
www.worldenergynews.gr
