Formaldehyd-Herstellung 21.11.2019, 16:00 Uhr

Fünfmal effektiver mit Machine Learning

Formaldehyd gehört zu den wichtigsten Grundstoffen der chemischen Industrie und dient als Ausgangsstoff für viele andere chemische Produkte.
Reaktoren zum parallelisierten Screening der Druckreaktionen zur Formaldehyd-Synthese.
(Quelle: O. Trapp )
Industriell wird es derzeit durch großtechnische Verfahren hergestellt, die zum einen fossile Ressourcen verbrauchen und zum anderen sehr energieaufwendig sind. Effizientere Verfahren werden daher dringend gesucht und könnten einen wichtigen Beitrag zum Klimaschutz leisten. Der LMU-Chemiker Professor Oliver Trapp hat nun mit seinem Team einen auf Machine-Learning-Algorithmen basierenden Workflow entwickelt, mit dem sie die Effizienz eines Verfahrens zur Formaldehyd-Produktion um 500 Prozent steigern konnten, wie die Wissenschaftler im Fachmagazin Chemical Science berichten. Sie sind überzeugt, dass dieser Ansatz großes Potenzial hat und grundsätzlich auch auf andere Verfahren angewendet werden kann.
Industriell wird Formaldehyd erzeugt, indem Synthesegas – eine Mischung aus Kohlenmonoxid und Wasserstoff – zu Methanol umgesetzt wird, das in einem nächsten Schritt mithilfe von Katalysatoren oxidiert wird. Die Erzeugung dieses Synthesegases erfordert hohe Temperaturen und verbraucht fossile Ressourcen wie Erdgas oder Kohle. In einer ersten Arbeit ist es den Wissenschaftlern gelungen, ein chemisches System zu etablieren, in dem ein Formaldehyd-Derivat in einem einzigen Prozessschritt, also ohne Umweg über Methanol, gewonnen werden kann – und in dem anstelle von Kohlenmonoxid ausschließlich Kohlendioxid (CO2) verwendet wird. »Dies hat im Vergleich zum herkömmlichen Verfahren mehrere Vorteile: Zum einen könnte so CO2 recycelt werden, das bei industriellen Prozessen, etwa in der Stahlindustrie, als Abfallprodukt anfällt. Damit würde nicht nur die Effizienz dieser Prozesse gesteigert, sondern auch die Akkumulation des Gases in der Atmosphäre verringert werden – eine im Hinblick auf den Klimawandel dringendst gesuchte und notwendige Maßnahme«, sagt Trapp. »Zudem könnte der Prozess energiesparender als andere Verfahren sein, da deutlich geringere Temperaturen und weniger Prozessschritte benötigt werden.«
Dieses neue Verfahren haben die Wissenschaftler nun weiter optimiert. Insgesamt variierten sie dabei sieben Parameter, die die Formaldehyd-Synthese in dem neuen System beeinflussen und untersuchten mithilfe eines Machine-Learning Algorithmus, welche Parameter-Kombinationen die vielversprechendsten Ergebnisse liefern. Die wesentliche Eigenschaft von Machine-Learning-Algorithmen besteht in ihrer Fähigkeit, aus Erfahrung und Daten zu lernen. Anhand eines Teils dieser Daten wird der Algorithmus trainiert, sodass er einen mathematischen Zusammenhang zwischen den Eingangsdaten und den Ergebnissen herstellt und diesen in Form eines Modells ausgibt. Die Genauigkeit des Modells wird anhand des verbliebenen Teils der Daten evaluiert.



Das könnte Sie auch interessieren