На главную

Наука

Наука

Основным направлением деятельности Института катализа СО РАН является проведение фундаментальных научных исследований в области катализа и смежных наук, которые позволяют открывать новые пути осуществления химических превращений.

Разработки

Разработки

Вот уже 60 лет ИК СО РАН является одним из лидеров в области разработки новых технологических решений для химической и нефтехимической промышленности, энергетики, природоохранной деятельности.

Версия для печати | Главная > Новости и объявления > Новости раздела "Институт"

Архив

Стипендию имени М.Г. Слинько присудили двум молодым ученым из ИК СО РАН и ТюмГУ

23 сентября 2024

Институт катализа СО РАН провел традиционный конкурс именных аспирантских стипендий памяти Михаила Гавриловича Слинько. Победили авторы работ в области применения методов машинного обучения в катализе, а также исследования никельсодержащих комплексов как предшественников катализаторов гидрирования CO2.

Михаил Гаврилович Слинько — один из основателей Института катализа СО РАН наряду с Георгием Константиновичем Боресковым и Романом Алексеевичем Буяновым. Член-корреспондент РАН. С конца 1950-х годов развивал в Институте направление химических процессов и реакторов. Созданные под его руководством установки применялись в производстве таких важных для промышленности соединений, как аммиак, серная кислота, формальдегид, поливинилхлорид и др. Направление математического моделирования реакторов заложило основу прикладной направленности Института.

Свои работы представили учащиеся аспирантуры ИК СО РАН из Новосибирска и Тюмени:

  • Младший научный сотрудник отдела технологии каталитических процессов ИК СО РАН Дмитрий Баранов;
  • Лаборант отдела материаловедения и функциональных материалов ИК СО РАН Кирилл Дмитрук;
  • Лаборант-исследователь лаборатории теории и оптимизации химических и технологических процессов ТюмГУ Кирилл Мотаев.

Лауреатами стипендии стали Кирилл Дмитрук и Кирилл Мотаев. Первый представил исследование по теме синтеза и исследования никельсодержащих комплексов как предшественников катализаторов гидрирования CO2, второй — по применению методов машинного обучения в моделировании каталитических процессов.

Дмитрий Баранов:

«Мы исследовали процессы в стекловолокнистых катализаторах для последующего моделирования и масштабирования с целью применения в промышленности. Одно из таких применений — очистка отходящих газов от вредных органических примесей и экологически чистого сжигания углеводородных топлив. Картриджи на основе этих катализаторов отличаются высокой эффективностью массообмена и низким гидравлическим сопротивлением. Мы специально провели сверхжесткие тесты на дезактивацию, которые моделируют аварийные и нештатные режимы эксплуатации. Активность катализатора менялась мало и легко восстанавливалась при дальнейшем использовании».

Кирилл Дмитрук:

«Вместе с коллегами из Института химической кинетики и горения СО РАН мы решаем проблему математического моделирования термического разложения энергоёмких комплексных соединений. Их можно использовать как компоненты газогенерирующих составов. Помимо газов в реакции образуется никельсодержащая фаза — она проявляет каталитические свойства в гидрировании углекислого газа до метана. Это можно применять для тонкой очистки водородсодержащих смесей, например при синтезе аммиака, а также для снижения углеродного следа промышленности.

Мы устанавливали закономерности формирования этой фазы при варьировании состава энергоёмких комплексов никеля. Планируем применить разработанные методы исследования термического разложения к комплексам с другими органическими лигандами, сравнить каталитические свойства образующейся никельсодержащей фазы, а также испытать полученные катализаторы в разных условиях».

Кирилл Мотаев:

«В своем исходном виде методы машинного обучения нельзя применять для масштабирования каталитических процессов — у них нулевая прогностическая сила за пределами исходного набора экспериментов. Однако его методы можно использовать в рамках стратифицированных моделей Михаила Гавриловича Слинько. Такой подход ускорит процесс обработки данных при создании каталитических моделей для сложных реакционных систем.

Цель работы — разработка комбинированных подходов, сочетающих принципы содержательного моделирования и машинного обучения. Это необходимо для создания упрощенных моделей каталитических процессов с сохранением их высокой прогностической силы. Мы показали, что некоторые методы машинного обучения позволяют на несколько порядков ускорить и, следовательно, удешевить процесс исследования и нахождения кинетических параметров химической реакции. Пример — процесс риформинга бензиновых фракций, где суммарно более 100 химических уравнений».



Copyright © catalysis.ru 2005–2024
Политика конфиденциальности в отношении обработки персональных данных