約1万反応マップがCO₂燃料転換の隠れ工程を解明

銅系触媒を用いた二酸化炭素水素化による燃料・化学品変換プロセスにおいて、インド科学技術大学（IISc）の研究チームが、従来見落とされてきた数千の反応を網羅する計算フレームワークを開発した。本研究成果は学術誌「Nature Communications」に掲載された。 従来の触媒反応モデリングでは、量子力学シミュレーションのコスト高さを理由に反応数を限定的に設定する慣例があり、その結果、実際の触媒表面で進行する重要な中間過程が多数欠落し、モデル予測と実験データの乖離を招いていた。研究チームは、量子力学シミュレーション、機械学習、自動反応列挙法、反応速度論モデルを統合したデータ駆動型アプローチにより、この課題を克服した。 152反応の高精度データベースを基に機械学習モデルを訓練し、触媒表面の化学種間での活性化エネルギー障壁を高速予測可能にした。この手法により、最終的に9,389の基本反応からなるネットワークを構築。従来の小規模モデルではギ酸を主生成物と誤認し変換率を過小評価していたが、拡張モデルを用いると変換率が約40倍に増加し、メタノールと一酸化炭素が主生成物となる実験結果を正確に再現した。 さらに、水素が原子状に解離せず、分子状のH₂として中間体に直接移動する経路が複数存在することを発見した。この経路は酸素含有中間体に対し特に有利であり、H₂との相互作用が強い触媒設計が変換効率向上に寄与する可能性が示された。 第一著者のヴェルマ氏（現マートゥラ・ネーフル国立技術大学アラハバード助教）と共同著者のラージン准教授は、大規模ネットワークの構築が実験検証と一致したことを強調。インドのヒンドスタント石油公社やシンガポール科学技術研究庁（A*STAR）との共同検証、IISCのドゥッコピァティ教授による機械学習への貢献が、フレームワークの信頼性を裏付けた。 本手法はCO₂還元だけでなく、窒素固定や水の分解など、幅広い触媒プロセスの設計・最適化に適用可能である。大規模反応ネットワークの構築とAIの融合が、従来の経験則を超えた新しい触媒材料探索を加速させることを示す重要な進展となっている。