Двухконтурная платформа искусственного интеллекта ускоряет синтез компонентов устойчивого авиационного топлива

Для сырья требуются многофункциональные катализаторы, эксплуатационные характеристики которых обусловлены нелинейными взаимодействиями в пространстве высокой размерности, выходящими за рамки правил проектирования на основе единственного дескриптора. В настоящей работе представлена двухконтурная платформа искусственного интеллекта, объединяющая активное обучение с замкнутым циклом и интерпретируемое машинное обучение; ее применение продемонстрировано на превращении синтез-газа в устойчивое авиационное топливо. Этот подход автономно исследует обширное пространство катализаторов, одновременно выявляя принципы, понятные человеку. Мы обнаружили ранее не описанные составы и сформулировали общее правило: на стабильном шпинельном каркасе размещение металла d-блока в тетраэдрической позиции (A) и раннего лантаноида в октаэдрической позиции (B) создает кооперативные d–f-взаимодействия, обеспечивающие π-обратное донорство в π*-орбитали кислородсодержащих интермедиатов, усиливающие адсорбцию и снижающие барьеры образования, что ускоряет генерацию интермедиатов и C–C-сочетание с образованием ароматических углеводородов диапазона реактивного топлива. В соответствии с этим правилом активные центры, такие как Zn-Ce/Sm, Fe-Pr/La и Ni-Ce, обеспечивают селективность по ароматическим углеводородам диапазона реактивного топлива более 75% при высоких объемно-временных выходах. В целом двухконтурный подход не только ускоряет открытие новых решений, но и формирует прозрачные, экспериментально подтвержденные правила проектирования — универсализируемую основу для интерпретируемого проектирования катализаторов с использованием ИИ в сложных устойчивых химических процессах.