En CIC energiGUNE, el grupo de Modelado Atómico para Catálisis (AMC) impulsa el descubrimiento de materiales catalíticos eficientes, asequibles y sostenibles para impulsar la transición energética limpia en Europa. Al combinar la química computacional de vanguardia con enfoques de aprendizaje automático basados ​​en datos, el grupo proporciona información atómica que conecta la comprensión fundamental con las tecnologías energéticas del mundo real.

Dentro del proyecto PeCATHS, CIC energiGUNE codirige las actividades computacionales del Paquete de Trabajo 3, centrándose en el modelado de materiales (foto)electrocatalíticos en condiciones operativas experimentalmente relevantes. Esto incluye la consideración explícita del potencial aplicado, el pH y la temperatura para identificar estados superficiales realistas del catalizador y predecir su estabilidad y reactividad. Establecer estos estados de reposo es un primer paso crucial hacia una comprensión mecanicista fiable y un diseño racional de materiales.

Partiendo de esta base, el grupo AMC investiga los mecanismos de reacción relevantes para el almacenamiento reversible de hidrógeno y la producción química sostenible, incluyendo la (des)hidrogenación de portadores orgánicos líquidos de hidrógeno (LOHC) y la oxidación electroquímica de moléculas derivadas de la biomasa. Mediante estos estudios, el grupo identifica vías de reacción que reducen el consumo de energía en comparación con la electrólisis de agua convencional, a la vez que identifica los pasos que determinan la velocidad y los descriptores de reacción que controlan la actividad catalítica y la selectividad.

Para explorar eficientemente el vasto espectro químico de los LOHC y los materiales catalíticos, CIC energiGUNE desarrolla flujos de trabajo de cribado acelerados por aprendizaje automático. Estas herramientas basadas en datos permiten la identificación de candidatos prometedores antes de la validación experimental, reduciendo significativamente el tiempo y el coste de desarrollo. Los estudios computacionales realizados en PeCATHS cuentan con el amplio acceso a recursos de computación de alto rendimiento del Barcelona Supercomputing Center (BSC) a través de la Red Española de Supercomputación (RES), lo que permite simulaciones a gran escala y la generación de datos. La estrecha integración con socios experimentales también es fundamental para este enfoque: las predicciones computacionales se validan y refinan continuamente mediante un sólido ciclo de retroalimentación con el trabajo de la UJI, la UZH, el TCD y el ICN2-CERCA.

CIC energiGUNE colabora estrechamente con Trinity College Dublin (TCD), proporcionando metodologías avanzadas de modelado y marcos de aprendizaje automático para el cribado de alto rendimiento de materiales y sustratos (foto)electrocatalíticos. Los conocimientos atomísticos obtenidos no solo racionalizan las observaciones experimentales en todo el consorcio, sino que también orientan la propuesta de nuevas composiciones catalíticas y principios de diseño. Esta estrecha conexión entre teoría, síntesis y caracterización fomenta las sinergias en todas las etapas del desarrollo de materiales.

Además de PeCATHS, el grupo AMC cuenta con una sólida experiencia en el modelado de una amplia gama de materiales como catalizadores térmicos y electroquímicos rentables para reacciones de relevancia industrial. Su experiencia combinada en el modelado de catalizadores heterogéneos y moleculares proporciona una versatilidad única, lo que permite al grupo abordar los diversos sistemas explorados en el consorcio PeCATHS.

Gracias a su liderazgo en técnicas de simulación avanzada, computación de alto rendimiento y ciencia de datos, el grupo AMC fortalece las bases científicas de PeCATHS y contribuye al desarrollo de tecnologías eficientes y sostenibles en apoyo de una Europa neutral en carbono.