プロパンの触媒酸化における運転パラメータと触媒設計の影響：機械学習の観点からの探求

科学分野:

• 環境触媒
• 材料科学
• 計算化学

背景:

• プロパンは石油産業における重要な汚染物質です。
• 効率的な触媒酸化はプロパン除去に不可欠です。
• 触媒性能因子を理解することは、効果的な解決策を開発するために不可欠です。

研究 の 目的:

• 機械学習とSHAP分析を用いてプロパン除去率を予測すること。
• 低温プロパン酸化のためのMn系触媒の性能に影響を与える因子を解釈すること。
• プロパン分解を強化するための触媒合成を最適化すること。

主な方法:

• Mn系触媒を用いた低温プロパン触媒酸化のための実験データ収集。
• ハイパーパラメータ最適化を用いた4つの機械学習アルゴリズムの適用。
• モデル解釈と特徴量重要度分析のためのSHAP（SHapley Additive exPlanations）の利用。
• 触媒特性と性能の関係を特定するためのピアソン相関分析。

主要な成果:

• 高精度な機械学習モデルが開発され、高い訓練（R²=0.999）およびテスト（R²=0.99）スコアを達成しました。
• 表面吸着酸素と格子酸素の比率（Oads/Olat）が、触媒性能に影響を与える主要な内部因子として特定されました。
• Oads/Olat比とプロパン分解率との間に火山型の関係が観察されました。
• Oads/Olatと熱水合成温度との間に有意な負の相関（PCC = -0.38）が見られました。

結論:

• この研究は、プロパン除去率を正確に予測し、性能を決定する主要な因子を特定することに成功しました。
• 制御された熱水合成によるOads/Olat比の最適化は、効率的なプロパン酸化に不可欠です。
• 160℃で合成された最適なMn触媒は、260℃のプロパンT90を達成し、実用的な応用可能性を示しました。