Waarom "goed genoeg" niet goed genoeg is

Iets wat me versteld deed staan: onderzoekers bestuderen al decennia hoe je CO2 kunt omzetten in bruikbare brandstoffen. Ze dachten dat ze het meeste wel begrepen. Maar niets bleek minder waar.

Een team van het Indian Institute of Science gebruikte kunstmatige intelligentie om een chemisch proces te analyseren dat waterstofadditie heet. Daarbij zorgt een katalysator ervoor dat CO2 reageert met waterstof, waardoor bruikbare stoffen ontstaan zoals methanol. Wat ze ontdekten? Zeer leerzaam.

Hun AI-modellen vonden 9.389 individuele reacties die plaatsvinden op het oppervlak van een koperkatalysator. Voor dit onderzoek richtten wetenschappers zich op slechts 152 reacties die zij het belangrijkst achtten. Minder dan 2% van wat er werkelijk gebeurt!

Waarom is dit belangrijk?

Bij chemische reacties speelt een praktisch probleem: zelfs als honderden of duizenden reacties tegelijk plaatsvinden, kunnen onderzoekers ze niet allemaal simuleren met kwantummechanica. De benodigde rekenkracht is simpelweg onbetaalbaar. Dus maken ze slimme gissingen over welke reacties ertoe doen.

Maar die gissingen? Die kunnen flink mislopen.

Toen het team het proces modelleerde met alleen die 152 "belangrijke" reacties, klopten de uitkomsten voor geen meter. Het model voorspelde dat mierezuur het hoofdproduct zou zijn, terwijl methanol zou moeten ontstaan. Ook werd de hoeveelheid omzetbaar CO2 sterk onderschat.

Pas toen ze uitbreidden naar duizenden extra reacties sloten de voorspellingen aan bij wat experimenten daadwerkelijk laten zien. En dan dit: het uitgebreide model voorspelde 40 keer zoveel CO2-omzetting als de vereenvoudigde versie. Een enorm verschil!

De Waterstof verrassing

Nu wordt het echt interessant. Shivam Chaturvedi, een van de onderzoekers, verwoordde het treffend:

"Het idee dat waterstof als intacte molecule kan worden overgedragen, zonder eerst te splitsen in atomen, gaat in tegen wat de meesten van ons geleerd hebben."

In de traditionele chemie gingen we ervan uit dat waterstof altijd eerst moest breken in losse atomen voordat het kon deelnemen aan reacties. Maar dit onderzoek toonde aan dat moleculaire waterstof (H2) in sommige belangrijke reactiestappen direct kan worden overgedragen aan tussenproducten. En dit pad is bijzonder gunstig bij moleculen die zuurstof bevatten.

Dit is zo'n ontdekking die wetenschappers aan het twijfelen brengt over alles wat ze dachten te weten. Alsof je ontdekt dat er een geheime deur zit in een huis waar je al jaren woont.

Wat betekent dit voor de toekomst?

Dit onderzoek spreekt me om verschillende redenen aan:

Betere voorspellingen: Als onze modellen zoveel kunnen missen, hoeveel ander chemisch onderzoek rust dan op onvolledige aannames? Deze aanpak — AI gebruiken om reactienetwerken uit te breiden — kan de manier waarop we katalysatoren ontwerpen compleet veranderen.

Efficiëntere CO2-omzetting: Als we al deze verborgen routes begrijpen, kunnen wetenschappers betere katalysatoren maken die brandstofproductie maximaliseren en energieverspilling minimaliseren.

Klimaatimpact: CO2 omzetten in bruikbare chemicaliën en brandstoffen is een veelbelovende aanpak voor klimaatproblemen. Hoe efficiënter deze processen worden, hoe levensvatbaarder ze worden als klimaatoplossing.

De conclusie

Wetenschap blijft zich ontwikkelen, en soms komen de belangrijkste ontdekkingen voort uit de vraag "wat missen we?" in plaats van de aanname dat we alles al gevonden hebben. Dit team stelde eigenlijk de vraag: "Wat als we ALLE reacties bekijken, niet alleen degene waarvan we denken dat ze belangrijk zijn?"

En ze vonden een hele verborgen wereld aan scheikunde die wacht om ontdekt te worden.

De oude wijsheid luidt: "de kaart is niet het landschap." In dit geval gebruikten wetenschappers vereenvoudigde kaarten van chemische reacties die helemaal niet pasten bij het echte landschap. Nu hebben ze een betere kaart. En dat kan het verschil maken in onze strijd tegen klimaatverandering.