능동 기계 학습을 이용한 CO2 전기 촉매의 가속화된 발견

증가하는 에너지 수요 및 이산화탄소 배출량을 고려할 때, 이산화탄소를 유용한 화학 물질 및 연료로 전환하기 위해 간헐적인 재생 가능 전력의 사용이 주목 받고 있다. 구리는 고가의 생산물을 목표로 할 때 선택되는 전기 촉매이지만 비용 경쟁력이 있는 생산에 필요한 에너지 효율성과 생산성을 제공하지는 않는다. Edward Sargent와 그의 동료들은 전례 없는 효율성과 생산성으로 이산화탄소를 고가의 에틸렌으로 전환할 수 있는 최적화된 Cu-Al 전기 촉매를 계산, 기계 학습 및 시스템 최적화를 통해 확인하고, 발표하였다. 이번 연구 결과는 기존의 단일 금속 전기 촉매의 한계를 뛰어넘기 위한 다중 금속 시스템의 탐색을 가능하게하는 결합된 접근법의 가치와 강점을 보여주고 있다.