Nombre organización: Instituto de Tecnología Química (UPV-CSIC)
Otras organizaciones participantes: Red Española de Supercomputación (RES), CESGA y EuroCC Spain.
Área: Academia.
El proyecto utiliza simulaciones de dinámica molecular aceleradas por MachineLearning para investigar cómo funciona la movilidad de los iones de cobre en condiciones de reacción para la eliminación de óxidos de nitrógeno (NOx) de los gases de escape de los vehículos diésel.
Gracias al superordenador FinisTerrae3 de la FER, desarrollaron un Potencial de Red Neuronal (NNP) que reproduce con precisión los resultados ab initio y permite explorar escalas de longitud y tiempo antes inalcanzables.
Los perfiles de energía libre generados para grandes supercélulas con diversas composiciones químicas muestran que el aluminio (Al) en el marco AEI modifica significativamente la difusión de cationes de cobre a través de las ventanas de ocho anillos que conectan las células, lo que permite ajustar la estabilidad de estos catalizadores modificando la distribución de Al.
Al aumentar la escala temporal a simulaciones de multinanosegundos, la autodifusividad de los cationes de cobre aumenta en agua en comparación con el amoníaco utilizado habitualmente, lo que facilitará la optimización de las condiciones de reacción para las reacciones objetivo.
