moleculen die energieopslag batterijen verbeteren
Differ publiceert moleculendatabase
Onderzoekers van DIFFER (Dutch Institute for Fundamental Energy Research) publiceerden een openbare database met 31.618 moleculen met een potentieel voor gebruik in toekomstige batterijen. Met behulp van onder meer AI en supercomputers brachten ze de eigenschappen van de moleculen in kaart.
Moleculen ontworpen voor energie-opslag
Chemici hebben de afgelopen jaren honderden moleculen ontworpen die mogelijk nuttig kunnen zijn voor gebruik in redoxflowbatterijen voor energieopslag.
Lees ook dit interview met prof. dr. ir. Gerard van Rooij: "Energie opslaan door verbreken van chemische verbindingen".
Zo'n batterij levert energie via een elektrochemische reactie. Het probleem is echter dat van veel moleculen niet alle eigenschappen bekend zijn.
Differ stelde daarom een moleculendatabase samen, waarbij ze ze slimme algoritmen en een supercomputer inschakelden.
Publiek toegankelijke database
De database is publiek toegankelijk, dus kunnen ook onderzoekers buiten DIFFER, makkelijk zoeken naar potentieel interessante moleculen voor redoxflowbatterijen. Ze kunnen bijvoorbeeld de moleculen kopen of maken en nader onderzoeken. De onderzoekers kunnen de database ook gebruiken om hun machinelearningmodellen te verbeteren om zo de zoektocht naar hoogwaardige moleculen voor energieopslag uit te breiden.
In vier stappen naar een database
Om achter de nog onbekende eigenschappen van moleculen te komen, voerden de onderzoekers vier stappen uit.
Als eerste maakten ze met behulp van slimme algoritmen en een desktopcomputer duizenden virtuele varianten van twee soorten molecuulfamilies en vijf chemische relevante zijgroepen. De computer stelde daarop in totaal 31.618 verschillende moleculen op.
In de tweede stap berekenden de onderzoekers met supercomputers bij elk molecuul bijna driehonderd verschillende eigenschappen. De computer gebruikt hiervoor formules uit de quantumchemie. Die zijn moeilijk op te lossen. Vandaar dat er een sterke computer voor nodig is.
In de derde stap gebruikten de onderzoekers machine learning om te voorspellen of de moleculen oplosbaar zouden zijn in water. De vierde en laatste stap bestond uit het maken van een database die eenvoudig doorzoekbaar was voor mens en machine. In de database, genaamd RedDB (van Redox DataBase), staan de moleculen en hun eigenschappen opgesomd met een overzichtelijke naamgeving en omschrijving.
Bron: Innovation Origins
