Model-Based Catalyst Screening and Optimal Experimental Design for the Oxidative Coupling of Methane
Notice bibliographique
Résumé
The oxidative coupling of methane (OCM) to produce ethane and ethylene (C2 compounds) as platform chemicals involves complex chemistry with reactions both in the gas phase and on the catalyst surface, resulting in a distribution of products at the expense of C2 selectivity. This work uses experimental data from a variety of mixed metal oxides on supports at different reaction conditions (temperature, contact time, and reactant flow rates) to train a random forest regressor that predicts methane conversion and C2 selectivity (key performance indicators (KPIs)), and deploys it to locate optimal conditions that maximize C2 yield for a catalyst. Investigating the regressor interpretability via feature importance reveals that the choice of metals and support are crucial to C2 selectivity predictions, while the predictions of methane conversion are driven by the reaction conditions. The machine learning (ML) regressor is used as a surrogate to develop performance curves for each of the catalysts via a multi-objective optimization routine that seeks to maximize the KPIs in the decision space of reaction conditions, is seen to locate optimal conditions at which the maximum C2 yields for catalysts are predicted to be 15%, higher on average. Analyzing the catalysts in the space of their performance curves with respect to a popular OCM catalyst, Mn-Na2WO4/SiO2, reveals distinct patterns based on intrinsic properties of metals and supports. Further, the decision space with catalyst descriptors and reaction conditions is optimized for high C2 yields using the ML surrogate, in a static multi-objective optimization routine, and an adaptive Bayesian routine, where the latter was found to have a wider field focus in proposing catalyst formulations and conditions. Transition metal oxides on a variety of supports were proposed but not their lanthanide oxide counterparts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».