Apprentissage automatique appliqué au développement de catalyseurs interfaciaux à base de liquides ioniques pour la réduction du CO2 à basse température – LICORN

La conversion efficace du dioxide de carbone à l'aide d’hydrogène vert provenant de sources renouvelables peut contribuer à réduire les émissions de CO2, et ainsi contribuer à limiter le réchauffement climatique. Mais il est essentiel de trouver des catalyseurs efficaces capables de fonctionner dans des conditions douces. Ce projet vise à la conception rationnelle d’une nouvelle génération de catalyseurs supportés innovants pour l'hydrogénation du CO2, combinant des nanoparticules métalliques supportées et un liquide ionique dédié à cette tâche, afin de réaliser une catalyse interfaciale à base de liquide ionique pour la réduction thermique du CO2 à basse température. Les liquides ioniques spécifiquement optimisés à cette fin seront conçus dans le cadre d'un apprentissage automatique (Machine Learning, ML) supervisé qui reliera des descripteurs théoriques et expérimentaux pertinents à l'activité catalytique expérimentale et à la sélectivité. Les catalyseurs résultant du ML d’une part, ainsi que les catalyseurs les plus prometteurs à l’issue du criblage accompli pour l’optimisation de l’IA d’autre part, seront évalués, y compris leur stabilité à long terme.