Kunstmatige intelligentie blijkt een nuttig gereedschap bij de elektrificatie van de procesindustrie. Je hebt de optimale procescondities zo veel sneller te pakken, laten onderzoekers van New York University zien in Proceedings of the National Academy of Sciences.
Als proof of principle wisten ze de opbrengst van de elektrosynthese van adiponitril met 30 % te verhogen, terwijl de vorming van ongewenste bijproducten sterk afnam.
Dat adiponitril (ADN, ook bekend als hexaandinitril, zie foto) dient als grondstof voor de populaire kunststof nylon 6,6. Het is een van de weinige organische bulkproducten waarvoor al een elektrochemisch productieproces bestaat, dat je rechtstreeks kunt voeden met groene stroom. Dit zogeheten elektrohydrodimerisatieproces (EHD), ruim 50 jaar geleden ontwikkeld door chemieconcern Monsanto, berust op dimerisatie van acrylonitril. Maar hoewel in het verleden meerdere fabrieken zijn gebouwd die zo werken, ontstaat het meeste ADP nog altijd door thermische hydrocyanering van butadieen met behulp van warmte uit fossiele brandstoffen. Ongetwijfeld kun je dat proces ook elektrisch verwarmen, maar die verandering is procestechnisch nogal ingrijpend. En echt energie-efficiënt zal het wel nooit worden.
De publicatie van Daniela Blanco, Bryan Lee en Miguel Modestino maakt niet echt duidelijk waarom EHD zo weinig wordt toegepast. Maar tussen de regels door wordt duidelijk dat het lastig is te optimaliseren. Zeker in de eenvoudigste vorm, die neerkomt op twee elektrodes in een bak water waarin je acrylonitril en een paar hulpstoffen oplost.
Als bijproducten krijg je dan vooral propionitril (dus acrylonitril dat gehydrogeneerd wordt zonder een dimeer te vormen) en het trimeer 1,3,6-tricyanohexaan. En eerder dit jaar wisten ze in New York al te melden dat dit ligt aan een onbalans tussen de acrylonitrilconcentratie en de stroomdichtheid in de reactor. Te veel stroom en te weinig acrylonitril geeft propionitril, in het omgekeerde geval krijg je het trimeer of nog langere ketens.
Een complicatie daarbij is dat acrylonitril niet zo best oplost in water. Vandaar dat de diffusie van die moleculen richting elektrode in de praktijk de limiterende factor is: bij gelijkblijvende stroomdichtheid heeft de acrylonitrilconcentratie rond die elektrode de neiging steeds lager te worden, wat dus de vorming van propionitril in de hand werkt.
De door Modestino en collega’s aangedragen oplossing is in wezen simpel. Niet werken met een continu potentiaalverschil tussen de elektrodes, maar met korte pulsen. Telkens wanneer je de spanning even lager zet, krijgt diffusie de kans de acrylonitrilvoorraad aan te vullen.
In de praktijk is het echter iets ingewikkelder, omdat je zo ook de ionen rond de elektrodes de kans geeft er vandoor te gaan. Schakel je de spanning weer in, dan moeten die eerst terugkomen en dat kost tijd. Je moet dus een optimum zien te vinden tussen de lengte van de pulsen, de onderlinge afstand en de spanningen die je gebruikt.
Modestino probeerde eerst een aantal mogelijke standen uit. Dat leverde een instelling op die de ADN-productie met 20% verhoogde (150 s bij -3,5 V afwisselen met 10 ms bij 0 V) en een andere die de verhouding ADN : propionitril met 250 % verbeterde (50 ms bij -3,5 V en 5 ms bij 0 V).
Vervolgens bouwde hij een lerend neuraal netwerk dat hij trainde met de uitkomsten van experimenten bij zestien verschillende instellingen. En daar kwam een optimum uit dat nog veel beter bleek: 120 ms bij -3,5 V afwisselen met 5 ms bij 0 V leverde een 30 % hogere opbrengst en een 325 % betere verhouding tussen de producten op.
Samen met Blanco en afstudeerder Myriam Sbeiti heeft hij inmiddels een start-up genaamd Sunthetics opgericht om het verbeterde proces te commercialiseren. In 2022 hopen ze de eerste pilotplant gereed te hebben.
bron: New York University, PNAS
Nog geen opmerkingen