Ontwerp van Pd-katalysatoren voor C-H activatie en Rukatalysatoren voor C=O hydrogenatie: van metaalcomplex identificatie door operando X-stralen absorptiespectroscopie naar multitechniek karakterisatie op basis van machine learning

X-stralenabsorbantie-spectroscopie is een zeer krachtige techniek om actieve componenten in katalytische cycli te bestuderen. De techniek is element-specifiek waardoor specifiek de katalytische species in complexe mengsels onderzocht kunnen worden. De grootste nadelen zijn de complexe data-analyse wanneer simultaan meerdere species onderzocht worden en het gebrek aan de vereiste referentiecomponenten voor reactieve intermediairen. We zullen daarom een nieuwe krachtige analysemethode ontwikkelen door eerst via statistische analyse de spectra van de individuele componenten uit de data te extraheren waarna we de onbekende componenten via artificiële intelligentie zullen identificeren. Het AIalgoritme zal getraind worden via een grote set van gesimuleerde spectra van hypothetische intermediairen en zal veel krachtiger zijn dan de huidige algoritmes, omdat het simultaan FTIR, XANES en EXAFS spectra zal analyseren. Het AI-algoritme zal toegepast worden op twee actuele reacties, de Ru-gekatalyseerde hydrogenatieve deoxygenatie van bio-gebaseerde polyolen naar olefines en de Pd-gekatalyseerde alkenylatie van arenen via C-H activatie. Het nieuwe AI-algoritme zal ons toelaten om alle species in de katalytische cyclus te identificeren en daardoor een diepgaande kennis van het reactiemechanisme en de zijreacties te vergaren. Hierdoor kunnen we op een veel meer gestructureerde en effectieve manier nieuwe katalysatoren ontwerpen om zo beter presterende systemen te verkrijgen.