Nieuws

Computer leert watersplitsing begrijpen

Arjen Dijkgraaf |
Anorganische chemie, Computational chemistry

Een hele reeks toevalligheden bepaalt of een watermolecuul uit zichzelf splitst. Dat concludeert een onderzoeksgroep uit Noorwegen na vergelijking van tienduizenden computersimulaties met telkens net iets andere startwaarden, meldde ze onlangs in PNAS.

Met die kennis kun je de splitsing mogelijk wat minder toevallig maken, wat bijvoorbeeld interessant is wanneer je waterstof wilt maken door met behulp van elektrische energie het proces te forceren.

Die ‘auto-ionisatie’, waarbij minstens twee watermoleculen betrokken zijn zodat je H3O+ en OH- kunt krijgen, is misschien wel de belangrijkste reactie binnen de chemie. Om te beginnen bepaalt ze de pH van het water. Maar het gebeurt maar heel zelden: gemiddeld leeft een watermolecuul ongeveer elf uur voordat het splitst. Mede daardoor lijkt het vrijwel onmogelijk om er via experimenten zicht op te krijgen, en is de wetenschap aangewezen op computersimulaties.

De kunst is daarbij om de startwaardes zo in te stellen dat de kans op auto-ionisatie een stuk groter is dan in de praktijk. Voor de hand ligt dat een O-H binding binnen het splitsende molecuul toevallig een eind moet zijn opgerekt, terwijl tegelijk een waterstofbrug tussen die H en een O van een naburig molecuul toevallig eventjes is gekrompen. Maar het ligt ongetwijfeld ook aan de positie van één of meer andere watermoleculen in de buurt, en zelfs als je alleen maar tamelijk extreme startcondities (‘rare events’) uitzoekt, is het aantal mogelijkheden zeer groot.

De groep van Titus van Erp, een Nederlander die tegenwoordig hoogleraar is aan de Norwegian University of Science and Technology in Trondheim en tevens gastonderzoeker aan de UGent, heeft nu 10.000 simulatiefilmpjes gemaakt van zulke rare event simulations. Dat gebeurde met de RETIS-methode (replica exchange transition interface sampling). Elke simulatie startte met 32 watermoleculen in een kubus met ribben van een nanometer.

Vervolgens werden die simulaties, waarin een watermolecuul niet, wel of bijna bleek te zijn gesplitst, naast elkaar gelegd in de hoop te ontdekken wat de kans op splitsing het grootst maakte. Eerst probeerden de onderzoekers dat met eigen ogen vast te stellen, maar ze realiseerden zich al snel dat dat onbegonnen werk was naarmate het aantal filmpjes toenam. Bovendien waren de verschillen tussen de startcondities soms te subtiel om met het blote oog te zien. Vandaar dat ze een ‘machine learning’-algoritme ontwikkelden dat het werk van ze overnam - voor zover bekend een wereldprimeur bij dit type onderzoek.

Er komt uit dat je een spontane splitsing kunt krijgen wanneer de waterstofbrug sterk is gecondenseerd terwijl de O-H binding flink is opgerekt én in de positie is om vier waterstofbruggen tegelijk te vormen. Maar de kans daarop is in de praktijk veel te klein om alle waargenomen auto-ionisaties te verklaren. Meestal zijn genoemde parameters iets minder extreem en helpen omringende watermoleculen mee door toevallig in een optimale stand te liggen en zo wat bindingen scheef te trekken.  

Waarbij opvalt dat het machine learning-algoritme alle parameters terugvond waarvan het belang van tevoren was voorspeld, plus een paar die tot nu toe over het hoofd waren gezien.

De vraag is nu wat uiteindelijk het nuttigst zal blijken: de inzichten in auto-ionisatie of de inzet van dergelijke algoritmes binnen het chemisch onderzoek.

bron: PNAS, Norwegian University of Science and Technology

Deel deze pagina
Bestel nu GRATIS 2 proefnummers C2W

Bestel nu GRATIS 2 proefnummer C2W

Ontvang de nieuwsbrief

Meld je aan voor de nieuwsbrief en blijf op de hoogte van het laatste nieuws van C2W.

Meld je nu aan!

Word abonnee/lid

Sluit nu een abonnement af of word lid van de KNCV en ontvang elke week het laatste nieuws, digitaal of op papier. 

Sluit nu een abonnement af!

Naar boven