09 Feb 2018
(Via ICIQ) Los alcoholes y los azúcares se encuentran entre los principales derivados de la biomasa no comestible. La transformación de estas moléculas en hidrógeno u otros productos químicos mediante tecnologías de reformado podría contribuir a un futuro más sostenible. Sin embargo, la producción de hidrógeno a partir de alcoholes de cadena larga es muy compleja. Incluso un alcohol simple como el etilenglicol pasa por 75 productos intermedios y 250 reacciones posibles diferentes. Comprender este mecanismo, así como su comportamiento bajo diferentes condiciones, es clave para desarrollar procesos catalíticos eficientes para producir hidrógeno a partir de biomasa.
El grupo de la Profesora Núria López del Institut Català d’Investigació Química, usuario de los recursos de supercomputación de la RES desde 2006, ha realizado un modelo completo multiescala del reformado de alcoholes que ha sido publicado en Nature Communications. Los modelos, basados en DFT y microcinética, se han ejecutado en el supercomputador MareNostrum, del Barcelona Supercomputing Center. Los investigadores estudiaron la vía de descomposición del etanol, el glicerol y el etilenglicol en cuatro metales diferentes: paladio, platino, rutenio y cobre. “Esto significa que hemos computado más de 1000 reacciones diferentes, considerando casi 3000 pasos elementales en este estudio”, explica el Dr. Quang Li, uno de los autores del trabajo. “También desarrollamos estrategias para evitar la formación de venenos catalíticos, mejorando así la eficiencia global de estos procesos”, añade Li.
El Dr. Rodrigo García-Muelas destaca que el presente trabajo allana el camino para nuevos estudios en un futuro próximo. “Todo ha sido publicado en una revista de acceso abierto, y todos nuestros cálculos están disponibles en la base de datos de ioChem-BD”, explica. “Esto proporcionará a los investigadores un buen punto de partida para el análisis de las vías de reacción de los alcoholes más largos”, añade. Con todos los datos disponibles, los químicos podrían desarrollar herramientas de detección rápida y algoritmos de aprendizaje automático para predecir la eficiencia de nuevos catalizadores en la producción de hidrógeno. “Podríamos descubrir nuevos metales o aleaciones con una mayor actividad y selectividad”, explica García-Muelas. “También podríamos utilizar nuestros modelos para escalar los procesos de reformado, lo que podría ser muy práctico para la industria de la energía”, señala Li.
Referencia:
Microkinetics of alcohol reforming for H2 production from a FAIR density functional theory database. Q. Li, R. García-Muelas, N. López. Nat. Commun., 2018, 9, 526 (DOI: 10.1038/s41467-018-02884-y)
