सार:
भारतीय विज्ञान संस्थान के शोधकर्ताओं ने पता लगाया है कि कार्बन डाइऑक्साइड को ईंधन और औद्योगिक रसायनों में परिवर्तित करने के लिए हाइड्रोजन का उपयोग करने की प्रक्रिया में, एक हाइड्रोजन स्थानांतरण मार्ग हो सकता है जिसे पारंपरिक मॉडलों द्वारा लंबे समय से अनदेखा किया गया है। यह खोज न केवल प्रयोगात्मक परिणामों और सैद्धांतिक भविष्यवाणियों के बीच अंतर को समझाने में मदद करती है, बल्कि अधिक कुशल उत्प्रेरक विकसित करने और कार्बन डाइऑक्साइड संसाधनों के उपयोग को बढ़ावा देने के लिए नई दिशाएं भी प्रदान कर सकती है।
इस अध्ययन का नेतृत्व भारतीय विज्ञान संस्थान (आईआईएससी) की एक शोध टीम ने किया था, और परिणाम 17 सितंबर, 2026 को "नेचर कम्युनिकेशंस" पत्रिका में प्रकाशित हुए थे। शोधकर्ताओं ने एक कम्प्यूटेशनल ढांचा विकसित किया जो तांबे उत्प्रेरक की सतह पर होने वाली कार्बन डाइऑक्साइड हाइड्रोजनीकरण प्रतिक्रियाओं का अध्ययन करने के लिए क्वांटम मैकेनिकल गणना, मशीन लर्निंग और प्रतिक्रिया गतिज मॉडलिंग को जोड़ती है।
कार्बन डाइऑक्साइड हाइड्रोजनीकरण एक ऐसी तकनीक है जो कार्बन डाइऑक्साइड को हाइड्रोजन के साथ जोड़ती है और उत्प्रेरक की कार्रवाई के तहत इसे अन्य रसायनों में परिवर्तित करती है। उनमें से, मेथनॉल एक महत्वपूर्ण लक्ष्य उत्पाद है, जिसका उपयोग ईंधन उत्पादन में किया जा सकता है और रासायनिक विनिर्माण में भी इसका व्यापक रूप से उपयोग किया जाता है। इसलिए, कार्बन डाइऑक्साइड की रूपांतरण दक्षता में सुधार कैसे करें और प्रतिक्रिया को अधिक लक्षित उत्पाद उत्पन्न करने की अनुमति कैसे दें, यह हमेशा संबंधित शोध में एक महत्वपूर्ण विषय रहा है।
हालाँकि, इस प्रकार की रासायनिक प्रतिक्रियाएँ सरल प्रतिक्रिया समीकरणों की तुलना में कहीं अधिक जटिल होती हैं। उत्प्रेरक सतह पर, कार्बन डाइऑक्साइड और इसके व्युत्पन्न मध्यवर्ती बड़ी संख्या में अनुक्रमिक या प्रतिस्पर्धी प्रतिक्रिया चरणों से गुजर सकते हैं। यदि शोधकर्ता क्वांटम यांत्रिक गणना के माध्यम से सभी संभावित प्रतिक्रिया पथों का पूरी तरह से वर्णन करने का प्रयास करते हैं तो उन्हें अत्यधिक कम्प्यूटेशनल मांगों का सामना करना पड़ेगा। कम्प्यूटेशनल लागतों को नियंत्रित करने के लिए, पारंपरिक शोध आमतौर पर केवल कुछ प्रतिक्रियाओं का चयन करता है जिन्हें मॉडल में शामिल करना महत्वपूर्ण माना जाता है।
समस्या यह है कि यदि कोई मॉडल एक महत्वपूर्ण प्रतिक्रिया से चूक जाता है, भले ही बाकी गणनाएं सटीक हों, तो अंतिम भविष्यवाणी वास्तविकता से काफी भिन्न हो सकती है।
अनुसंधान टीम ने पहली बार एक सत्यापित प्रतिक्रिया डेटाबेस बनाने के लिए क्वांटम मैकेनिकल सिमुलेशन का उपयोग किया, जिसमें 152 प्रतिक्रियाएं शामिल हैं। फिर उन्होंने विभिन्न प्रतिक्रियाओं के लिए दूर करने के लिए आवश्यक सक्रियण ऊर्जा बाधाओं का अनुमान लगाने के लिए एक मशीन लर्निंग मॉडल को प्रशिक्षित किया। सक्रियण ऊर्जा यह निर्धारित करती है कि प्रतिक्रिया कितनी आसानी से होती है और यह रासायनिक प्रतिक्रियाओं की दर की भविष्यवाणी करने के लिए एक महत्वपूर्ण पैरामीटर है।
इस आधार पर, शोधकर्ताओं ने तांबे के उत्प्रेरक की सतह पर 105 रासायनिक प्रजातियों के बीच संभावित प्रतिक्रियाओं को व्यवस्थित रूप से पहचानने और यह निर्धारित करने के लिए स्वचालित उपकरणों का उपयोग किया कि कौन सी प्रजातियां एक ही चरण में एक-दूसरे में परिवर्तित हो सकती हैं। विस्तार के बाद, मूल सीमित-स्तरीय प्रतिक्रिया नेटवर्क अंततः 9389 प्राथमिक प्रतिक्रियाओं तक बढ़ गया।
प्रतिक्रिया नेटवर्क का विस्तार करने के बाद, गणना परिणाम महत्वपूर्ण रूप से बदल गए। केवल 152 प्रतिक्रियाओं पर विचार करते समय, मॉडल ने गलत भविष्यवाणी की कि फॉर्मिक एसिड प्रमुख उत्पाद होगा, जबकि कार्बन डाइऑक्साइड रूपांतरण की सीमा को कम करके आंका गया। गणना में पहले से उपेक्षित हजारों प्रतिक्रियाओं को शामिल करने के बाद, मॉडल के पूर्वानुमान परिणाम प्रयोगात्मक टिप्पणियों के साथ अधिक सुसंगत थे। यह मेथनॉल और कार्बन मोनोऑक्साइड जैसे प्रमुख उत्पादों की सही पहचान कर सकता है, और कार्बन डाइऑक्साइड रूपांतरण मात्रा की भविष्यवाणी कर सकता है जो मूल मॉडल की लगभग 40 गुना थी।
शोधकर्ताओं ने संपूर्ण रासायनिक प्रणाली के वास्तविक व्यवहार का विश्लेषण करने के लिए विस्तारित प्रतिक्रिया नेटवर्क को एक गतिज मॉडल में शामिल किया। प्रासंगिक भविष्यवाणियों को प्रायोगिक अध्ययनों द्वारा भी सत्यापित किया गया है। प्रायोगिक सत्यापन में शामिल कर्मी हिंदुस्तान पेट्रोलियम कॉरपोरेशन के ग्रीन रिसर्च एंड डेवलपमेंट सेंटर और सिंगापुर की एजेंसी फॉर साइंस, टेक्नोलॉजी एंड रिसर्च (ए*स्टार) की संबंधित अनुसंधान टीमों से आए थे।
मॉडल भविष्यवाणियों की सटीकता में सुधार के अलावा, यह शोध एक हाइड्रोजन परिवहन तंत्र का भी खुलासा करता है जो ध्यान देने योग्य है।
पारंपरिक प्रतिक्रिया विवरणों में, हाइड्रोजन अणुओं को आमतौर पर पहले हाइड्रोजन परमाणुओं में अलग करने की आवश्यकता होती है, और फिर ये हाइड्रोजन परमाणु बाद की रासायनिक प्रतिक्रियाओं में भाग लेते हैं। लेकिन शोधकर्ताओं ने पाया कि कुछ महत्वपूर्ण प्रतिक्रियाओं में, हाइड्रोजन गैस अणु में हाइड्रोजन को स्वतंत्र हाइड्रोजन परमाणुओं में पूरी तरह से अलग किए बिना सीधे प्रतिक्रिया मध्यवर्ती में स्थानांतरित किया जा सकता है।
आगे की क्वांटम यांत्रिक गणनाओं ने पुष्टि की कि इस प्रत्यक्ष हाइड्रोजन स्थानांतरण मार्ग में विशेष रूप से अनुकूल ऊर्जावान स्थितियाँ हो सकती हैं जब हाइड्रोजन को ऑक्सीजन युक्त मध्यवर्ती में स्थानांतरित किया जाता है।
यह खोज कुछ पारंपरिक मॉडलों में हाइड्रोजन स्थानांतरण प्रक्रिया के सरलीकृत उपचार को चुनौती देती है। शोधकर्ता बताते हैं कि यह तंत्र तभी स्पष्ट होता है जब प्रतिक्रिया नेटवर्क को पर्याप्त आकार तक बढ़ाया जाता है, जिससे कंप्यूटिंग सिस्टम को अधिक प्रतिक्रिया पथों पर विचार करने की अनुमति मिलती है जिन्हें पहले शामिल नहीं किया गया है। इसके बाद टीम ने प्रासंगिक चरणों पर अधिक विस्तृत क्वांटम यांत्रिक गणना की, जिससे यह पुष्टि हुई कि इस घटना की भविष्यवाणी केवल मॉडल द्वारा नहीं की गई थी।
शोधकर्ताओं का मानना है कि यह तंत्र बेहतर उत्प्रेरक डिज़ाइन के लिए सुराग प्रदान कर सकता है। उदाहरण के लिए, यदि उत्प्रेरक हाइड्रोजन अणुओं के साथ अधिक मजबूती से बातचीत कर सकता है, तो मेथनॉल उत्पादन को बढ़ावा देने वाले प्रतिक्रिया मार्गों को बढ़ावा देना संभव हो सकता है। हालाँकि, यह अभी भी एक डिज़ाइन विचार है जिसे और अधिक सत्यापन की आवश्यकता है। यह निष्कर्ष नहीं निकाला जा सकता है कि हाइड्रोजन अणुओं और उत्प्रेरकों के बीच परस्पर क्रिया को बढ़ाने से अनिवार्य रूप से मेथनॉल की उपज में वृद्धि होगी।
इस कार्य का एक और महत्वपूर्ण महत्व यह है कि यह अनुसंधान विधियों की क्षमता को प्रदर्शित करता है जो कम्प्यूटेशनल रसायन विज्ञान को मशीन लर्निंग के साथ जोड़ती है। अनुसंधान टीम ने क्वांटम मैकेनिकल गणना, मशीन लर्निंग, स्वचालित प्रतिक्रिया पथ पहचान और प्रतिक्रिया गतिज मॉडल को एकीकृत किया, जिससे न केवल अध्ययन की जा सकने वाली प्रतिक्रियाओं की सीमा का विस्तार हुआ, बल्कि महंगी गणनाओं के माध्यम से एक-एक करके सभी संभावित प्रतिक्रियाओं को संसाधित करने की कठिनाई भी कम हो गई।
शोधकर्ताओं ने कहा कि इस ढांचे को भविष्य में औद्योगिक मूल्य की अन्य रासायनिक प्रक्रियाओं पर भी लागू किया जा सकता है, जैसे कार्बन डाइऑक्साइड में कमी, नाइट्रोजन में कमी और विभिन्न उत्प्रेरकों पर पानी के विभाजन की प्रतिक्रियाएं। ये प्रक्रियाएँ क्रमशः कार्बन संसाधन पुनर्चक्रण, नाइट्रोजन युक्त रासायनिक उत्पादन और हाइड्रोजन उत्पादन के क्षेत्रों से निकटता से संबंधित हैं।
उत्सर्जन में कमी और ऊर्जा संक्रमण की बढ़ती मांग के साथ, कार्बन डाइऑक्साइड को मेथनॉल जैसे उपयोगी उत्पादों में परिवर्तित करना कार्बन संसाधन रीसाइक्लिंग को साकार करने के संभावित तकनीकी मार्गों में से एक माना जाता है। हालाँकि, इस प्रकार की प्रौद्योगिकी के समग्र पर्यावरणीय लाभ इस बात पर भी निर्भर करते हैं कि हाइड्रोजन का उत्पादन कैसे किया जाता है, आवश्यक ऊर्जा का स्रोत, उत्प्रेरक का प्रदर्शन और समग्र प्रक्रिया का अर्थशास्त्र। यदि हाइड्रोजन उत्पादन अभी भी उच्च-उत्सर्जन ऊर्जा स्रोतों पर निर्भर करता है, तो कार्बन डाइऑक्साइड रूपांतरण प्रक्रिया का मतलब जीवन-चक्र उत्सर्जन में कमी नहीं है।
इसलिए, इस शोध का सबसे प्रत्यक्ष योगदान नए ईंधन उत्पादन उपकरण विकसित करना नहीं है जिन्हें बड़े पैमाने पर व्यावसायिक रूप से लागू किया जा सकता है, बल्कि महत्वपूर्ण रासायनिक प्रतिक्रियाओं को प्रकट करना है जो पारंपरिक कम्प्यूटेशनल मॉडल से छूट सकते हैं और जटिल उत्प्रेरक प्रतिक्रियाओं का अधिक व्यापक रूप से अध्ययन करने के लिए एक विधि प्रदान करना है। जैसा कि शोधकर्ता हाइड्रोजन स्थानांतरण तंत्र को और अधिक मान्य करते हैं और इसे उत्प्रेरक अनुकूलन पर लागू करते हैं, इस खोज से कार्बन डाइऑक्साइड रूपांतरण दक्षता में सुधार और अधिक किफायती ईंधन उत्पादन प्रक्रियाओं को विकसित करने की नींव रखने की उम्मीद है।
टिप्पणियाँ