Les principals accions per aturar el canvi climàtic acostumen a dirigir-se cap a la reducció de les emissions dels gasos d’efecte hivernacle, entre els quals destaca el diòxid de carboni (CO₂). Si bé aquesta és l’estratègia principal, una de les alternatives que està guanyant pes recentment és la reconversió del CO₂ que ja hi ha a l’atmosfera en altres components per produir etanol i etilè, materials que es poden fer servir per produir combustible i plàstics. Amb la intenció de millorar el procés que ho fa possible, un grup d’investigadors de l'Institut Català d’Investigació Química (ICIQ-CERCA) ha dissenyat una simulació basada en aprenentatge automàtic que permet optimitzar-ne el rendiment.

El procés que fa possible aquest reaprofitament es coneix com a reducció electroquímica del CO₂, que es duu a terme gràcies a uns catalitzadors, majoritàriament basats en coure. El principal obstacle és que, ara per ara, encara no es coneix amb exactitud la composició d’aquests catalitzadors quan es duu a terme la reacció. Aquí és on entra en joc la simulació: inspirat en el sistema nerviós dels animals, la xarxa neuronal ha identificat el moviment dels àtoms i les molècules en un conjunt de dades de gairebé 60.000 punts, la qual cosa ha permès identificar una sèrie de patrons sobre l’evolució del catalitzador de coure en funció de diverses condicions.

“Aquest estudi proporciona pautes clares als investigadors sobre com tractar els catalitzadors de coure per obtenir els millors productes de la reducció de CO₂”, assegura el doctor Federico Dattila, coautor de l’article. “L’estudi també proporciona una base sòlida per al futur desenvolupament de catalitzadors eficients, així com per a l'optimització de les condicions de reacció per aconseguir la neutralitat climàtica”, assenyala per la seva banda l’investigador postdoctoral i primer autor de la investigació, el doctor Zan Lian.