Heterogene Katalyse an metallischen Nanopartikeln

Eine Geheimzutat in den Rezepturen der meisten Katalysatoren, sei es im industriellen Bereich oder im Alltag (man denke an den Autokatalysator), sind Metallpartikel mit Durchmessern im Nanometerbereich. Dabei wird ausgenutzt, dass die chemischen Eigenschaften dieser Partikel stark von ihrer Größe, Form und natürlich von der verwendeten Metallen abhängen. Im Prinzip ermöglicht dies eine genaue Einstellung der Katalysatoren auf ein gewünschtes Verhalten; über die Auswirkungen einzelner Faktoren ist jedoch noch wenig bekannt. Auf der theoretischen Seite liegt dies im Wesentlichen daran, dass diese Partikel als fast schon makroskopische Objekte aus sehr vielen Atomen bestehen, und eine exakte Behandlung quantenmechanischer Vielteilchenssyteme dieser Größe unmöglich ist. Zum Glück stehen hier viele ausgezeichnete Näherungsverfahren der Elektronenstrukturtheorie, wie beispielsweise die Dichtefunktionaltheorie, zur Verfügung. Da jedoch auch z.B. für die letztgenannte Methode der Rechenaufwand mit der Systemgröße, also der Teilchenzahl, etwa zur fünften Potenz skaliert, müssen hier alternative Wege beschritten werden. Eine Möglichkeit ist die Kombination einer dieser rechenintensiven Methoden mit einem intelligenten, lernfähigen Computerprogramm, das in der Lage ist, aus einer Menge von Einzelrechnungen heraus selbstständig grundlegende Eigenschaften dieser Systeme zu extrahieren. Füttert man ein derartiges Programm mit genügend Daten, kann es nach einer Trainingsphase auch zuverlässige Prognosen für unbekannte, vergleichbare Systeme liefern, und zwar in einem Bruchteil der Zeit, die für eine vollständige Berechnung nötig wäre. Hier bietet sich vor allem die Verwendung neuronaler Netze an, ein aus der Natur entlehntes Rechenkonzept, das in Struktur und Funktionsweise dem Zentralnervensystems nachempfunden ist. Ziel dieses Projekts ist die Entwicklung eines derartigen Systems zur Simulation metallischer Nanopartikel mit Teilchenzahlen zwischen 10 und 1000. Hauptaugenmerk liegt hier auf den Edelmetallen Gold und Silber, die für ihre hohe katalytische Aktivität in diesem Größenbereich bekannt sind. Unsere Untersuchungen umfassen dabei reine wie auch gemischte Metallcluster, und werden später auch auf Wechselwirkungen mit Gasmolekülen ausgedehnt, um Aussagen über deren Adsorption treffen zu können. Dabei erhoffen wir uns neue Einsichten in die Zusammenhänge zwischen katalytischen Eigenschaften dieser Partikel und ihrer Größe, Form, inneren Struktur und dem Mischungsverhältnis der beteiligten Metalle.

Dieses Forschungsprojekt war der theoretischen Beschreibung kleinster, gemischt-metallischer Partikel gewidmet, welche als Katalysatoren, also Materialien, die gewisse chemische Reaktionen beschleunigen, ohne selbst dabei verbraucht zu werden, Anwendung finden. Die Simulation dieser Materialien am Computer ist extrem aufwändig, da unzählige atomare Wechselwirkungen erfasst werden müssen. Auch wenn die Lösung derartiger Vielteilchen-Systeme im Prinzip bekannt ist, muss diese in der Praxis jedoch immer numerisch genähert werden, z.B. durch Vereinfachungen oder Einschränkungen in der Reichweite dieser Wechselwirkungen. Eine Möglichkeit stellen hier maschinelle Lernverfahren dar, ein an sich nicht besonders neuer Zweig der Informatik, der jedoch durch die rasante Entwicklung und Verbesserung der Computerchips in den letzten Jahren eine Neubelebung erfahren hat. Ursprünglich war es unser Anliegen, biologisch inspirierte "Neuronale Netzwerke" für die Vorhersage der Eigenschaften eines Materials basierend auf seiner atomaren Struktur zu verwenden. Auf diese Weise könnte die sehr zeitaufwändige Suche nach einem Material mit optimalen Eigenschaften deutlich abgekürzt werden. Etwa zur Projekt-Halbzeit stellte sich jedoch heraus, dass die Beschaffung der Daten immer unser größter Engpass bleiben würde. Daher entschlossen wir uns dazu, auch die besonders zeitkritischen Schritte der Datenbeschaffung mittels maschineller Lernverfahren zu bearbeiten. Diese Schritte umfassen das Aufspüren besonderer Strukturen (z.B. des energetischen Minimums oder eines reaktiven Übergangszustands), die eigentliche Berechnung molekularer Energien mit einem Verfahren namens "Dichtefunktionaltheorie", und die Suche nach stabilen Elektronendichten. Für alle genannten Probleme konnten Vorschläge ausgearbeitet werden, die unseren Kollegen und Kolleginnen in den theoretischen Materialwissenschaften hoffentlich ihre Arbeit erleichtern werden.