માળખાકીય અવ્યવસ્થા: પોષણક્ષમ, ટકાઉ ઉર્જા ઉત્પાદનની ચાવી?

કાર્બન-મુક્ત, સ્વચ્છ અને ટકાવી શકાય તેવી ઊર્જા તરફના વૈશ્વિક પરિવર્તને નવી હાઇડ્રોજન-ઉત્પાદક તકનીકોની શોધને ઝડપી બનાવી છે. જો કે, પ્લેટિનમ અને ઇરિડિયમ જેવી દુર્લભ ધાતુઓ પર તેની નિર્ભરતાને કારણે પાણીને હાઇડ્રોજન અને ઓક્સિજનમાં વિભાજીત કરીને સ્વચ્છ હાઇડ્રોજન બનાવવું મોંઘું છે.

આ મુદ્દાને ઉકેલવાના પ્રયાસ તરીકે, ઇન્ડિયન ઇન્સ્ટિટ્યૂટ ઓફ ટેકનોલોજી ગાંધીનગરના સંશોધકોના એક નવા કોમ્પ્યુટેશનલ અભ્યાસે કાર્બનના એક અસામાન્ય સ્વરૂપની શોધ કરી છે જે આ પ્રક્રિયા માટે ધાતુ-મુક્ત માર્ગ ઓફર કરી શકે છે. તેમના તારણો npj 2D મટિરિયલ્સ એન્ડ એપ્લિકેશન્સમાં પ્રકાશિત થયા હતા.

"અવ્યવસ્થિત" હિરો              

મોનોલેયર એમોર્ફસ કાર્બન અથવા MAC તરીકે ઓળખાતી આ દ્વિ-પરિમાણીય સામગ્રી માત્ર એક અણુ જાડી છે. આ માપની અતિસૂક્ષ્મતા એ વિચાર પરથી સ્પષ્ટ થાય છે કે તે માનવ વાળની પહોળાઈ કરતાં લગભગ 10 લાખ ગણી નાની છે!

વિશ્વનો સૌથી પાતળો પદાર્થ, ગ્રાફીન, કાર્બન પરમાણુઓને સુઘડ અને નિયમિત ષટ્કોણ પેટર્નમાં ગોઠવાયેલા છે. આ ભૂમિતિનો ગેરલાભ એ મર્યાદિત સક્રિય સ્થળોની હાજરી છે જે હાઇડ્રોજન ઉત્પાદનમાં વધારો કરી શકે છે. MAC દાખલ કરો, જેમાં અણુઓની અવ્યવસ્થિત ગોઠવણી છે. લાંબા અંતરના ક્રમનો આ અભાવ સ્પોન્જ ઉત્પ્રેરકની જેમ કાર્ય કરે છે અને ઘણા સ્થાનિક સંકલન વાતાવરણ, રિંગ ગોઠવણી અને તાણ વિતરણને જન્મ આપી શકે છે, જે સક્રિય સ્થળોની વિશાળ શ્રેણી પ્રદાન કરી શકે છે.

યોગ્ય સંતુલન       

શ્રીહરિ એમ એસના જણાવ્યા અનુસાર, “યોગ્ય સંતુલન શોધવું મહત્વપૂર્ણ છે. જો કાચા માલમાંથી હાઇડ્રોજન ઉત્પ્રેરકની સપાટી પર ખૂબ જ મજબૂત રીતે ચોંટી જાય છે, તો હાઇડ્રોજનના અણુઓને મુક્ત કરવા મુશ્કેલ બની જાય છે. બીજી બાજુ, જો તે ભાગ્યે જ ચોંટે છે, તો પ્રતિક્રિયા અસરકારક રીતે આગળ વધી શકતી નથી.” આ અભ્યાસના પ્રથમ લેખક, શ્રીહરિ, IITGN ના મટિરિયલ્સ એન્જિનિયરિંગ વિભાગમાં ત્રીજા વર્ષના PhD સ્કોલર છે.

ચોંટવાની અને દૂર થવાની આ પ્રક્રિયાના સંતુલનને ઉદ્દીપક દ્વારા થતા હાઇડ્રોજનના અધિશોષણ (adsorption) ની 'ગિબ્સ ફ્રી એનર્જી' (ΔGH) ના સંદર્ભમાં વર્ણવી શકાય છે. તેમણે આગળ કહ્યું, "શૂન્યની નજીકનું મૂલ્ય ઇચ્છનીય માનવામાં આવે છે કારણ કે તે એવી આંતરક્રિયા દર્શાવે છે જે ન તો ખૂબ નબળી હોય છે કે ન તો ખૂબ મજબૂત."

ગણતરીઓ પરથી જાણવા મળ્યું છે કે મૂળ (પ્રિસ્ટિન) ગ્રાફીન પાસે ΔGH લગભગ +1.73 ઇલેક્ટ્રોનવોલ્ટ હતું, જ્યારે β-ગ્રાફાઇન, તપાસવામાં આવેલી શ્રેષ્ઠ સ્ફટિકીય કાર્બન સામગ્રી, તેનું મૂલ્ય લગભગ +0.34 eV હતું.

ટીમે મેલ્ટ-ક્વેન્ચ પ્રોસેસ કહેવાતા કમ્પ્યુટર સિમ્યુલેશનનો ઉપયોગ કરીને એમોર્ફસ કાર્બન, MACનું મોડેલ બનાવ્યું. સરળ શબ્દોમાં કહીએ તો, તેમણે એક કાર્બન માળખું લીધું, તેને તેની વ્યવસ્થિત ગોઠવણ રેન્ડમાઇઝ્ડ થાય ત્યાં સુધી ગરમ કર્યું અને પછી અવ્યવસ્થિત માળખું જાળવી રાખવા માટે તેને ઝડપથી ઠંડુ કર્યું. પરિણામી શીટમાં પાંચ-, છ- અને સાત-સભ્યોવાળા કાર્બન રિંગ્સનું મિશ્રણ હતું.

ઉત્પ્રેરક તરીકે આ સામગ્રીની ઉપયોગિતાને સમજવા માટે મોટી સંખ્યામાં સંભવિત હાઇડ્રોજન શોષણ સાઇટ્સની તપાસ કરવાની જરૂર પડશે. પરંતુ દરેક સાઇટના ગુણધર્મોની ચોક્કસ ગણતરી કરવી એ કોમ્પ્યુટેશનલ રીતે મોંઘી અને માંગણીશીલ છે.

મશીન લર્નિંગ બચાવમાં

સંશોધકોએ ડેન્સિટી ફંક્શનલ થિયરી (DFT) ગણતરીઓને MACE નામના મશીન-લર્ન્ડ ઇન્ટરએટોમિક પોટેન્શિયલ સાથે જોડી. તેમણે પસંદ કરેલી સાઇટ્સ માટે ઉચ્ચ-ગુણવત્તાવાળા પરિણામો મેળવવા માટે DFT, એક કોમ્પ્યુટેશનલ મોડેલિંગ પદ્ધતિનો ઉપયોગ કર્યો અને પછી ઘણી બધી સાઇટ્સનું અન્વેષણ કરવા માટે મશીન-લર્નિંગ મોડેલને ફાઇન-ટ્યુન કર્યું, જે ફક્ત DFT સાથે વ્યવહારુ ન હોત. એક રસોઇયા જે રેસીપીને કાર્ય કરે છે તે સમજવા માટે કાળજીપૂર્વક પસંદ કરેલી મુઠ્ઠીભર વાનગીઓનો સ્વાદ ચાખે છે તે રીતે વિચારો, અને પછી તે શિક્ષણનો ઉપયોગ કરીને હજારો શક્યતાઓમાંથી સૌથી આશાસ્પદ સંયોજનો ઓળખે છે.

“અમે મોટા MAC સપાટી પર આશરે 1,183 વિવિધ સ્થળોની તપાસ કરવા માટે મશીન લર્નિંગ મોડલનો ઉપયોગ કર્યો. અમને જાણવા મળ્યું કે આ સપાટી લગભગ ટેકરીઓ, ખીણો અને આસપાસના વિસ્તારોના સૂક્ષ્મ નકશા જેવી વર્તતી હતી. અનુમાનિત ΔGH મૂલ્યો −0.91 થી +1.70 eV સુધી રહ્યા, જેમાં આશરે 15% સ્થળોના મૂલ્યો +0.25 eV કરતાં ઓછા હતા, જે સંભવિત રીતે અનુકૂળ ઉત્પ્રેરક વર્તનની સંભાવના દર્શાવે છે,” તેમ આશુતોષ કૃષ્ણ અમરમે સમજાવ્યું. તેમણે IITGNમાંથી મટિરિયલ્સ એન્જિનિયરિંગમાં BTechની પદવી મેળવી છે. હાલમાં તેઓ યુનિવર્સિટી ઑફ ઇલિનોઇસ, શિકાગો અને આર્ગોન નેશનલ લેબોરેટરીમાં ડોક્ટરલ વિદ્યાર્થી છે.

સંપૂર્ણ અપૂર્ણતાઓ

વિશ્લેષણમાં જાણવા મળ્યું કે વધુ બોન્ડ વિકૃતિ, અનિયમિત બોન્ડ કોણ અને સપાટી પર વધુ પડતી લહેરિયાતતા જેવી અપૂર્ણતાઓ હાઇડ્રોજનના વધુ અનુકૂળ અધિશોષણ માટે સહાયક બને છે. તેનાથી વિપરીત, જે સ્થળોએ ગ્રાફિન જેવી વિતરણ રચના જળવાઈ રહે છે, ત્યાં ઉત્પ્રેરક કાર્યક્ષમતા ઓછી જોવા મળે છે. આ પરંપરાગત માન્યતાથી વિપરીત છે, કારણ કે સામાન્ય રીતે ખામીઓને દૂર કરવાની બાબત તરીકે જોવામાં આવે છે!

ડૉ. રાઘવન રંગનાથનના શબ્દોમાં, “આ સંશોધન આગામી પેઢીના ઉત્પ્રેરકો માટે સંભવિત ડિઝાઇન બ્લુપ્રિન્ટ પ્રદાન કરે છે. જ્યારે અમે ગણનાત્મક પુરાવા રજૂ કરીએ છીએ કે MAC કાર્યક્ષમ રીતે હાઇડ્રોજનનું ઉત્પાદન કરી શકે છે, ત્યારે વધુ પ્રાયોગિક પ્રમાણિતરણની જરૂર છે.” ડૉ. રંગનાથન મટિરિયલ્સ એન્જિનિયરિંગ વિભાગમાં એસોસિયેટ પ્રોફેસર અને કમ્પ્યુટેશનલ મોલેક્યુલર એન્જિનિયરિંગ ગ્રુપમાં પ્રિન્સિપલ ઇન્વેસ્ટિગેટર છે. તેમણે ઉમેર્યું, “તેમ છતાં, મશીન લર્નિંગ સંશોધકોને ઉત્પ્રેરક સામગ્રીની વધુ કાર્યક્ષમ રીતે ચકાસણી અને ડિઝાઇન કરવામાં મદદ કરી શકે છે, જેથી સંશ્લેષણ અને પ્રાયોગિક પરીક્ષણ પહેલાં આશાસ્પદ સંરચનાઓને છાંટીને અલગ કરી શકાય.”

આ અભ્યાસ, તેના સંભવિત ઓછા ખર્ચવાળા, ધાતુ-મુક્ત કાર્બન ઉત્પ્રેરક સાથે, ભારતના નેશનલ ગ્રીન હાઇડ્રોજન મિશન સાથે સુસંગત છે, જે ગ્રીન-હાઇડ્રોજન તકનીકોની કાર્યક્ષમતા અને ખર્ચ-અસરકારકતામાં સુધારો કરી શકે તેવા નવીનતાઓ સાથે ગ્રીન હાઇડ્રોજનના ઉત્પાદન, ઉપયોગ અને નિકાસના સંદર્ભમાં દેશને મજબૂત કરવા પર ધ્યાન કેન્દ્રિત કરે છે. તારણો ક્લીન હાઇડ્રોજન મિશન સાથે પણ સુસંગત છે, જે હાઇડ્રોજન તકનીકોને ઝડપી બનાવવા પર ધ્યાન કેન્દ્રિત કરે છે અને 2030 સુધીમાં સ્વચ્છ-હાઇડ્રોજનનો ખર્ચ પ્રતિ કિલોગ્રામ US$2 સુધી લાવવાનું લક્ષ્ય રાખે છે.

લેખકો આ કાર્યમાં નોંધાયેલા તમામ સિમ્યુલેશન હાથ ધરવા માટે IITGN ની પરમ અનંત સુપરકમ્પ્યુટિંગ સુવિધાના ઉપયોગ બદલ આભાર વ્યક્ત કર્યો છે.

(રીલીઝ આઈડી: 2310859) મુલાકાતી સંખ્યા : 72