Wissenschaftler des niederländischen Instituts für grundlegende Energieforschung (DIFFER) haben eine Datenbank mit 31.618 Molekülen erstellt, die möglicherweise in zukünftigen Redox-Flow-Batterien verwendet werden könnten. Diese Batterien sind vielversprechend für die Energiespeicherung. Die Forscher nutzten unter anderem künstliche Intelligenz und Supercomputer, um die Eigenschaften der Moleküle zu identifizieren. Heute veröffentlichen sie ihre Ergebnisse in der Zeitschrift Wissenschaftliche Daten.
In den letzten Jahren haben Chemiker Hunderte von Molekülen entworfen, die möglicherweise in Flow-Batterien zur Energiespeicherung nützlich sein könnten. Es wäre wunderbar, stellten sich Forscher von DIFFER in Eindhoven (Niederlande) vor, wenn die Eigenschaften dieser Moleküle schnell und einfach in einer Datenbank zugänglich wären. Das Problem ist jedoch, dass für viele Moleküle die Eigenschaften nicht bekannt sind. Beispiele für molekulare Eigenschaften sind das Redoxpotential und die Wasserlöslichkeit. Diese sind wichtig, da sie mit der Stromerzeugungsfähigkeit und Energiedichte von Redox-Flow-Batterien zusammenhängen.
Um die noch unbekannten Eigenschaften von Molekülen herauszufinden, gingen die Forscher in vier Schritten vor. Zunächst verwendeten sie einen Desktop-Computer und intelligente Algorithmen, um Tausende von virtuellen Varianten von zwei Arten von Molekülen zu erstellen. Diese Molekülfamilien, die Chinone und Azaaromaten, sind gut darin, reversibel Elektronen aufzunehmen und abzugeben. Das ist wichtig für Batterien. Die Forscher fütterten den Computer mit Rückgratstrukturen von 24 Chinonen und 28 Aza-Aromaten sowie fünf verschiedenen chemisch relevanten Seitengruppen. Daraus erschuf der Computer 31.618 verschiedene Moleküle.
Im zweiten Schritt berechneten die Forscher mit Supercomputern fast 300 verschiedene Eigenschaften jedes Moleküls. Der Computer nutzt dazu Gleichungen aus der Quantenchemie. Da diese Formeln schwer zu lösen sind, ist ein leistungsstarker Supercomputer ein praktisches Werkzeug.
Im dritten Schritt nutzten die Forscher maschinelles Lernen, um vorherzusagen, ob die Moleküle in Wasser löslich sein würden.
Der vierte und letzte Schritt bestand darin, eine sowohl menschen- als auch maschinenlesbare Datenbank zu erstellen. Die Datenbank namens RedDB (von Redox DataBase) enthält die Moleküle und ihre Eigenschaften mit bequemer Benennung und Beschreibung.
„Wenn Sie mit theoretischen Modellen und maschinellem Lernen arbeiten, möchten Sie sich natürlich auf die Ergebnisse verlassen können“, sagt Süleyman Er, Leiter der Forschungsgruppe Autonomous Energy Materials Discovery von DIFFER. „Deshalb haben wir Computerprogramme verwendet, die ihre Exzellenz bewiesen haben. Zu diesem Zweck haben wir auch spezielle Validierungsverfahren implementiert.“
Jetzt, da die Datenbank öffentlich zugänglich ist, können Forscher, auch außerhalb von DIFFER, leicht nach potenziell interessanten Molekülen für Redox-Flow-Batterien suchen. Beispielsweise können sie die Moleküle einfach kaufen oder synthetisieren und weiter erforschen. Darüber hinaus können die Forscher die Datenbank nutzen, um ihre maschinellen Lernmodelle zu verbessern, um das Design hochwertiger Moleküle für die Energiespeicherung zu beschleunigen.
Mehr Informationen:
Elif Sorkun et al, RedDB, eine Computerdatenbank elektroaktiver Moleküle für wässrige Redox-Flow-Batterien, Wissenschaftliche Daten (2022). DOI: 10.1038/s41597-022-01832-2