HomeCasesコバルト触媒におけるCO解離反応の活性化エネルギー

コバルト触媒におけるCO解離反応の活性化エネルギー

再エネ合成燃料

再生可能エネルギー由来の「水素」と「CO2」を原料とした「再エネ合成燃料」用触媒の検討例になります。

合成燃料である炭化水素を作る反応はFischer-Tropsch(FT)反応と呼ばれ、「水素」と「CO」から触媒を用いて炭化水素を作ります。触媒にはコバルトや鉄が用いられています。

image

Fischer-Tropsch(FT)反応

FT反応は非常に多くの素反応からなる複雑な反応ですが、その中でもCO解離反応は律速となる反応のひとつと考えられています[1][2]。今回コバルト触媒におけるCO解離活性化エネルギーをMatlantisを用いて計算してみます。

○:水素 :酸素 :炭素 :Co触媒

image

計算モデルと計算方法

ここではNEB計算によりCo(0001)表面上でのCO解離反応の活性化エネルギーを計算します。コバルト触媒構造はMaterials Projectデータベースより取得することができます。

取得した構造を用いてNEB計算用のモデルを作成します。 Co(0001)表面を作成した後、CO分子を吸着させた始状態(IS)、終状態(FS)を作成していきます。

IS、FSの構造作成が終わったらNEB計算を行います。

image

計算結果と展望

image
image

NEB計算により先行文献[2]と同等な精度でCO解離活性化エネルギーを計算することができました。このようにMatlantisを用いることで、従来は計算コストの高かった活性化エネルギー計算を非常に高速に行うことができます。

多くの元素を学習したMatlantisでは現実的な時間で、数千回以上の活性化エネルギー計算をできるので、性能の高い触媒の提案も可能となります。

例えば、触媒元素の一部を様々な元素で置換し、 CO解離活性化エネルギーを計算すると、バナジウム元素に一部置換した場合に活性化エネルギーは低下します。バナジウムがFT反応を促進する元素として機能することは、実験的にも知られています[5, 6]。

このことから、Matlantisは単一組成での吸着や物性、現象の解明だけではなく、汎化性・高速性な特性を生かし、複数の元素や構造を考慮した材料スクリーニングまで行うことができます。

計算条件

image

参考文献

[1] Bart Zijlstra et. at., ACS Catal., 10, 9376-9400, (2020) https://pubs.acs.org/doi/full/10.1021/acscatal.0c02420 [2] Bart Zijlstra et. at., ACS Catal., 9, 7365-7372, (2019) https://pubs.acs.org/doi/full/10.1021/acscatal.9b01967 [3] https://www.materialsproject.org/materials/mp-54/ [4] https://wiki.fysik.dtu.dk/ase/ase/neb.html [5] T. Wang et. al., Catal. Lett., 107, 47 (2006) https://link.springer.com/article/10.1007/s10562-005-9730-1 [6] K. Shimura et.al, Appl. Catal. A, 494, 1 (2015) https://www.sciencedirect.com/science/article/abs/pii/S0926860X15000320
お問い合わせ・ご相談はこちら
事例一覧へ
Features
Features

Matlantisの3つの特長

革新的なマテリアルの創出に貢献し、持続可能な世界を実現するために「Matlantis」は生まれました。

汎用性/ Versatile

汎用性 / Versatile イメージ
幅広い元素・構造に対応

現在96種の元素に対応しております。これは自然界に存在するすべての元素を含むため、ユーザーは元素種の制約をほとんど受けることがありません。これらの元素種について、未知の材料を含む分子や結晶など任意の原子の組み合わせに対してシミュレーションすることが可能です。

高速 / High Speed

高速 / High Speed イメージ
従来手法の10,000倍以上高速

DFT(Density Functional Theory:密度汎関数法)では、高性能なコンピュータを用いて数時間~数カ月かかった原子レベルの物理シミュレーションを、数秒単位で行うことができます。

使いやすさ / Easy to Use

使いやすさ / Easy to Use イメージ
ブラウザを立ち上げれば
シミュレーションを開始できます

学習済み深層学習モデル・物性計算ライブラリ・高性能な計算環境をパッケージにすることで、ハードウェアの準備や環境構築をすることなく、シミュレーションによる材料探索が可能です。また、従来の機械学習ポテンシャルとは異なり、ユーザーによるデータ収集や学習が不要です。

プロダクト詳細ページへ