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

未知の材料を含む、分子や結晶などの任意の原子の組み合わせにおいてシミュレーションが可能です。現在は72の元素をサポートしており、今後さらに拡大予定です。

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