هوش مصنوعی Closed AI؛ مسیر تازه در طراحی فرآیندهای کاتالیستی
دکتر احسان ابراهیمی ، کارشناس صنعت کاتالیست
در سالهای اخیر، پژوهش در حوزه کاتالیست از یک روند مبتنی بر آزمون و خطا، به یک فرآیند دادهمحور و مدلپذیر تبدیل شده است. رویکردی که به آن Closed AI گفته میشود یعنی ایجاد کتابخانههای تخصصی شامل دادههای استاندارد، نتایج آزمایشها، شرایط عملیاتی، ساختار مواد و عملکرد واکنشها. این زیرساخت به پژوهشگران امکان میدهد دانش تولید شده در یک حوزه، به شکل منظم، قابل اطمینان و قابل استفاده مجدد در خدمت توسعه کاتالیستهای تازه قرار گیرد.
طبق مطالعات انجامشده، صنعت کاتالیست در کشورهای پیشرفتهای مانند ایالات متحده، انگلستان، دانمارک و آلمان که پیشگام فناوریهای فرآیندهای کاتالیستی و تولید کاتالیست هستند، امروز تمرکز خود را بر مفهوم Closed AI قرار دادهاند. در این رویکرد، برای هر فرآیند کاتالیستی یک کتابخانه تخصصی و یک بانک داده متمرکز ایجاد میشود تا دانش و نتایج پژوهشی آن حوزه به صورت یکپارچه در توسعه فناوری به کار گرفته شود. هدف اصلی این سیستم، کاهش تولید گازهای آلاینده به ویژه کربن مونوکسید و حرکت به سمت تولید سبز و فرآیندهای کمکربن است.
در کشور ما، نبود یک شتابدهنده تخصصی و ساختار منسجم برای همافزایی فناورانه، به عنوان یک خلأ جدی در این صنعت دیده میشود. این کمبود باعث میشود نیازهای فناورانه صنایع مصرفکننده به شکل پراکنده و بدون مسیر مشخص پیگیری شود. با این حال، ایجاد یک کارگزاری تخصصی، شتابدهنده و آزمایشگاه مرجع کاتالیست میتواند این خلأها را برطرف کند و زمینه توسعه فناوریهای همسو با استانداردهای جهانی را فراهم سازد.
یکی از نمونههای مهم این تغییر رویکرد، مطالعهای است که در زمینه هیدروژنسازی CO₂ و تبدیل آن به متانول انجام شده است. در این پروژه صدها کاتالیست مختلف با یک جریان کار دادهمحور و high-throughput طراحی، سنتز و آزمایش شدند. این روش کمک کرد بهترین گزینهها با معیارهایی مثل بازده، پایداری، هزینه و عملکرد زیستمحیطی بدون اتلاف زمان و منابع شناسایی شوند. این دقیقاً همان نقشی است که Closed AI ایفا میکند: کوتاه کردن مسیر دستیابی به کاتالیستهای بهتر، با دادههایی که منظم و قابل آموزش برای مدلهای هوش مصنوعی هستند.
بر همین مبنا در یکی از پژوهشهای مهم سالهای اخیر، گروهی از محققان به سرپرستی آقای Mohammad Khatamirad ، با استفاده از روش high-throughput توانستند مسیر طراحی کاتالیست برای تبدیل CO₂ به متانول را تغییر دهند. این واکنش یکی از فرآیندهای کلیدی برای کاهش انتشار گازهای گلخانهای و تولید سوختهای پاک به شمار می آید و به همین دلیل طراحی کاتالیستهای مؤثر برای آن اهمیت زیادی دارد. (لینک مقاله)
در این مطالعه، پژوهشگران صدها ترکیب مختلف را به عنوان گزینههای احتمالی کاتالیست بررسی کردند. فرآیند کار آنها شامل سه مرحله اصلی بود:
دادههای بهدست آمده وارد یک مدل تحلیلی شدند که امکان رتبهبندی کاتالیستها و شناسایی بهترین گزینهها را با دقت بالا فراهم میکرد. نتیجه این روش آن بود که تیم تحقیقاتی توانست در مدت زمانی بسیار کوتاهتر از روشهای تجربی، ترکیباتی را پیدا کند که عملکرد بهتر، هزینه کمتر و پایداری بالاتری داشتند.
این پژوهش نشان میدهد که اگر طراحی کاتالیست به یک فرآیند دادهمحور و سیستماتیک تبدیل شود، میتوان واکنشهای پیچیده را با سرعت چند برابر و دقت بسیار بالاتر بهینه کرد. چنین رویکردی به ویژه در حوزههایی مانند کاهش CO₂، تولید سوخت پاک و بهبود کارایی صنعتی اهمیت حیاتی دارد.
این نوع رویکرد نه یک تجمل تحقیقاتی، بلکه تبدیل به استاندارد جهانی در صنایع بزرگ شده است. زیرا بدون دادههای دقیق و بانک اطلاعاتی متمرکز، طراحی کاتالیستهای کارآمد برای واکنشهایی با پیچیدگی بالا ممکن نیست.
مصرف کاتالیست در ایران و اهمیت حرکت به سمت رویکرد دادهمحور
بر اساس سند رسمی منتشرشده در سال ۱۴۰۱، مصرف سالانه کاتالیست در صنعت نفت ایران ۳۶٬۷۰۸ تن است. ارزش این میزان مصرف حدود ۱٬۱۵۷ میلیون دلار برآورد شده. صنعت فولاد نیز سالانه حدود ۱۰۰۰ تن کاتالیست به ارزش ۱۴ میلیون دلار مصرف میکند.
حجم مصرف نشان میدهد کاتالیست در ایران یک کالای راهبردی است. اما نبود یک ساختار دادهمحور باعث شده فرآیند انتخاب، آزمون و بهینهسازی کاتالیستها در صنایع مختلف از جمله پتروشیمی، پالایش نفت و فولاد، هنوز با پراکندگی، عدم هماهنگی و نبود معیارهای واحد روبهرو باشد.
خلأهای اصلی در صنعت کاتالیست کشور
مزیتهایی که با رفع این خلأها به دست میآید
صنعت کاتالیست در جهان با اتکا به داده، الگوریتم و کتابخانههای تخصصی وارد دورهای تازه شده است. این همان چیزی است که under the hood طراحی نسل جدید کاتالیستها را ممکن میسازد؛ از کاهش انتشار CO₂ گرفته تا افزایش راندمان واکنشها و کاهش هزینههای عملیاتی. در این زمینه شرکت دانشی ایران کاتالیست با همکاری دانشکده مهندسی شیمی و نفت دانشگاه صنعتی شریف اخیرا بر روی این مفهوم سرمایه گذاری بزرگی نموده است که نتایج آن برای شرکت های پتروشیمی، پالایش نفت و فولاد چشم گیر بوده است.
در ایران نیز حجم بزرگ مصرف کاتالیست نشان میدهد که بدون استانداردسازی، بدون آزمایشگاه مرجع، بدون کتابخانه داده و بدون شتابدهنده تخصصی، نمیتوان مسیر توسعه پایدار را طی کرد. رفع این خلأها یک انتخاب نیست، یک نیاز راهبردی است. اگر این اجزا شکل بگیرند، صنعت کاتالیست کشور از مصرفکننده صرف، به تولیدکننده دانش و بازیگر اثرگذار تبدیل میشود و میتواند بخش مهمی از آینده فناوری پاک و صنایع کمکربن را در منطقه رقم بزند.
حرکت صنایع بزرگ دنیا به سمت Closed AI نشان میدهد که آینده کاتالیست با داده، استانداردسازی و زیرساختهای هوشمند گره خورده است. ایران با وجود مصرف بالای کاتالیست در نفت، پتروشیمی و فولاد، هنوز چنین ساختاری را ندارد و همین خلأ باعث اتکای بالا به خارج، هزینههای زیاد آزمون و خطا و کندی توسعه شده است. ایجاد آزمایشگاه مرجع، استانداردهای خانوادهای، کتابخانه داده، شتابدهنده تخصصی و یک کارگزاری فناورانه میتواند این مسیر را دگرگون کند. نتیجه چنین تغییری فقط تولید کاتالیست بهتر نیست، بلکه ساختن یک چرخه توسعه پایدار است که هزینه را کم میکند، استقلال فناورانه میسازد، رقابتپذیری را بالا میبرد و صنایع کشور را به سطح فناوریهای پاک و کمکربن جهان نزدیک میکند.
دیدگاهتان را بنویسید