要約:
インド科学大学の研究者らは、水素を使用して二酸化炭素を燃料や工業用化学薬品に変換するプロセスにおいて、従来のモデルでは長い間無視されてきた水素移動経路が存在する可能性があることを発見しました。この発見は、実験結果と理論的予測の違いを説明するのに役立つだけでなく、より効率的な触媒を開発し、二酸化炭素資源の利用を促進するための新たな方向性を提供する可能性があります。
この研究はインド科学研究所 (IISc) の研究チームによって主導され、その結果は 2026 年 9 月 17 日に雑誌「Nature Communications」に掲載されました。研究者らは、銅触媒の表面で起こる二酸化炭素の水素化反応を研究するために、量子力学計算、機械学習、反応速度論モデリングを組み合わせた計算フレームワークを開発しました。
二酸化炭素水素化は、二酸化炭素と水素を結合させ、触媒の作用下で他の化学物質に変換する技術です。中でもメタノールは重要な対象製品であり、燃料製造に使用できるほか、化学品の製造にも広く使用されています。したがって、二酸化炭素の変換効率を改善し、反応によりより多くの目的生成物を生成できるようにする方法は、関連研究において常に重要なテーマでした。
しかし、この種の化学反応は単純な反応方程式よりもはるかに複雑です。触媒表面では、二酸化炭素とその派生中間体は、多数の連続または競合する反応ステップを経る可能性があります。研究者が量子力学計算を通じて考えられるすべての反応経路を完全に記述しようとすると、非常に膨大な計算量が必要になります。計算コストを制御するために、従来の研究では通常、モデルに含めるのが重要であると考えられる反応の一部のみを選択します。
問題は、モデルが重要な反応を見逃した場合、残りの計算が正確であっても、最終的な予測が現実から大幅に逸脱する可能性があることです。
研究チームはまず、量子力学的シミュレーションを使用して、152 の反応を含む検証済みの反応データベースを構築しました。次に、機械学習モデルをトレーニングして、さまざまな反応に対して克服する必要がある活性化エネルギー障壁を推定しました。活性化エネルギーは反応の起こりやすさを決定し、化学反応の速度を予測するための重要なパラメーターです。
これに基づいて、研究者らは自動ツールを使用して、銅触媒の表面で 105 の化学種の間で起こり得る反応を体系的に特定し、どの化学種が 1 つのステップで相互に変換できるかを決定しました。拡張後、元の限られたスケールの反応ネットワークは最終的に 9389 の素反応に増加しました。
反応ネットワークを拡張した後、計算結果は大きく変化しました。 152 の反応のみを考慮した場合、モデルは、二酸化炭素変換の程度を過小評価しながら、ギ酸が主要な生成物になると誤って予測しました。以前は無視されていた何千もの反応が計算に含まれた後、モデルの予測結果は実験観察とより一致しました。メタノールや一酸化炭素などの主要生成物を正確に識別し、従来モデルの約40倍の二酸化炭素換算量を予測できた。
研究者らは次に、拡張された反応ネットワークを速度論モデルに組み込み、化学システム全体の実際の挙動を分析しました。関連する予測は実験研究によっても検証されています。実験検証に携わった人員は、ヒンドゥスタン石油公社のグリーン研究開発センターおよびシンガポール科学技術研究庁 (A*STAR) の関連研究チームから来ています。
この研究では、モデル予測の精度の向上に加えて、注目に値する水素輸送メカニズムも明らかになりました。
従来の反応の説明では、通常、水素分子は最初に水素原子に解離する必要があり、その後、これらの水素原子が後続の化学反応に参加します。しかし研究者らは、一部の重要な反応では、水素ガス分子内の水素が、最初に独立した水素原子に完全に解離することなく、反応中間体に直接移動する可能性があることを発見した。
さらなる量子力学的計算により、この直接的な水素移動ルートは、水素が酸素含有中間体に移動する際に特に有利なエネルギー条件を有する可能性があることが確認されました。
この発見は、一部の従来のモデルにおける水素移動プロセスの単純化された処理に疑問を投げかけます。研究者らは、このメカニズムは、反応ネットワークが十分なサイズに拡大され、コンピューティング システムがこれまで含まれていなかったより多くの反応経路を考慮できるようになる場合にのみ明らかになると指摘しています。その後、チームは関連するステップについてより詳細な量子力学的計算を実施し、この現象がモデルによって単純に予測されたものではないことをさらに確認しました。
研究者らは、このメカニズムが触媒設計を改善するための手がかりを提供する可能性があると考えています。たとえば、触媒が水素分子とより強く相互作用できれば、メタノールの生成に有利な反応経路を促進できる可能性があります。ただし、これはまださらなる検証が必要な設計上のアイデアです。水素分子と触媒の間の相互作用を強化するとメタノール収率が必然的に増加すると結論付けることはできません。
この研究のもう 1 つの重要な意義は、計算化学と機械学習を組み合わせた研究方法の可能性を実証していることです。研究チームは、量子力学計算、機械学習、自動反応経路同定、および反応速度論モデルを統合したことで、研究できる反応の範囲が拡大しただけでなく、コストのかかる計算によって考えられるすべての反応を 1 つずつ処理する難しさも軽減されました。
研究者らは、このフレームワークは、将来、二酸化炭素の削減、窒素の削減、さまざまな触媒での水の分解反応など、工業的に価値のある他の化学プロセスにも適用できると述べています。これらのプロセスは、それぞれ炭素資源リサイクル、窒素含有化学物質の製造、水素製造の分野と密接に関連しています。
排出削減とエネルギー転換への需要が高まる中、二酸化炭素をメタノールなどの有用な製品に変換することは、炭素資源のリサイクルを実現する可能性のある技術的手段の 1 つとみなされています。ただし、この種の技術による全体的な環境上の利点は、水素の生成方法、必要なエネルギー源、触媒の性能、プロセス全体の経済性にも依存します。水素製造が依然として高排出エネルギー源に依存している場合、二酸化炭素変換プロセス自体は必ずしもライフサイクル排出量の削減を意味しません。
したがって、この研究の最も直接的な貢献は、商業的に大規模に適用できる新しい燃料製造装置を開発することではなく、従来の計算モデルでは見逃される可能性のある重要な化学反応を明らかにし、複雑な触媒反応をより包括的に研究する方法を提供することです。研究者が水素移動メカニズムをさらに検証し、それを触媒の最適化に適用することで、この発見は二酸化炭素変換効率の向上とより経済的な燃料生産プロセスの開発の基礎を築くと期待されています。
コメント