Mit grünerem Stahl ist zu rechnen

Close up of human hands using virtual panel
Close up of human hands using virtual panel

Kombi aus Quantenmechanik und Künstlicher Intelligenz für Hochtemperaturprozesse.

Eine neuartige Kombination von Quantenmechanik und Künstlicher Intelligenz (KI), erlaubt eine genaue Vorhersage der Reduktionstemperatur von Metalloxiden. Zu theoretisch? Handfeste praktische Konsequenzen beweisen das Gegenteil: Für die Herstellung von Stahl und für das Metallrecycling weist der «Quanten-KI-Kombi-Rechner» neue Wege zur Dekarbonisierung der chemischen Industrie und damit in eine «grünere» Zukunft.

Close up of human hands using virtual panel
Die Kombination von Quantenmechanik und Künstlicher Intelligenz führen auf «grüneren» Stahl und ebenso «grünere» Verfahren zum Elektronikschrottrecycling. Bild: Shutterstock.com

Die Extraktion von Metallen aus ihren Erzen oder aus Elektronikschrott erfolgt in Hochtemperatur-Schmelzprozessen. Um sie zu verbessern, dabei viel Energie zu sparen und den Treibhausgas-Ausstoss zu senken, möchten die Ingenieure die Reduktionstemperatur der betreffenden Metalloxide kennen. Am liebsten würde man sie ab initio ausrechnen, d. h. ohne den Input von experimentellen Daten. Denn die liegen längst nicht immer vor und müssten zeit- und kostenintensiv ermittelt werden.

Zunächst hoffte man, mit Hilfe der Quantenmechanik ab initio-Computersimulationen zur Modellierung der Hochtemperatur-Schmelzprozesse durchführen zu können. Doch was bei niedrigen Temperaturen funktioniert, ist für Oxidreaktionen bei hohen Temperaturen nach wie vor unmöglich. Selbst die heute verfügbare Quantenmechanik macht keine Reduktionstemperaturen von Metalloxiden bei Hochtemperaturprozessen zugänglich – jedenfalls nicht ohne experimentelle Daten zu den interessierenden chemischen Reaktionen.

Es gibt aber doch einen Weg¹: Man geht von quantenmechanischen Niedrigtemperatur-Kalkulationen aus und macht daraus ein System, das zum maschinellen Lernen fähig ist, eine sogenannte «Künstliche Intelligenz». Dieser gibt man als Lernstoff nach und nach öffentlich zugängliche experimentelle Daten für Hochtemperaturprozesse.

Die KI «versteht» die Prinzipien am Ende so gut, dass sie auch Hochtemperaturprozesse zu modellieren weiss. Als erfolgsentscheidend hat sich dabei Folgendes erwiesen: Im Zuge der Ermittlung der Temperaturabhängigkeit des Reaktionsgeschehens wird unter anderem immer auch die Veränderung der freien Reaktionsenergie, einer zentralen thermodynamischen Grösse, berechnet. Im Endeffekt besteht das Ziel in der Vorausberechnung der Reduktionstemperatur (Tred), oberhalb derer die freie Energie für die Reduktion des interessierenden Metalloxids negative Werte annimmt und folglich das Metalloxid zum Metall reduziert wird².

Wo diese Kalkulation gelingt, ergeben sich Anwendungsmöglichkeiten für Recyclingunternehmen, Chip-Hersteller und für viele andere. Denn schliesslich gewinnt man eine Menge Basismetalle aus ihren natürlichen Oxiden (z.B. Kobalt, Kupfer, Silber). Übergangs- und Seltenerdmetalle erhält man durch Schmelzen von Altbatterien, weggeworfenen Handys etc. – alles unter Einsatz von Kohlenstoff als Reduktionsmittel und unter Entwicklung von Kohlendioxid. Dieses liesse sich mit Quanten-KI-Kombi-optimierten Verfahren vermindern, «grünerer» Stahl und «grünere» Elektronik erzeugen.

Literatur

  1. Neuer computergestützter Ansatz zur Vorhersage chemischer Reaktionen bei hohen Temperaturen. (Zugriff am 5.1.2022)
  2. Garrido Torres, J.A., Gharakhanyan, V., Artrith, N. et al.; «Augmenting zero-Kelvin quantum mechanics with machine learning for the prediction of chemical reactions at high temperatures»; Nat Commun; 12, 7012 (2021).