- Nova abordagem utiliza eletricidade e gases residuais para produzir ureia de forma mais sustentável.
- Técnica eletroquímica transforma poluentes, como monóxido de carbono e óxidos de azoto, em ureia.
- Estudo combina simulações de química quântica e machine learning para identificar estruturas catalíticas eficazes.
- Modelo de 'energia de coadsorção' permite prever a formação de ureia ou subprodutos indesejados.
- Esta estratégia pode ser aplicada a outras reações químicas, reduzindo o impacto ambiental da indústria.
Uma equipa de investigadores australianos desenvolveu uma nova abordagem para produzir ureia — um composto essencial para fertilizantes — de forma mais sustentável, recorrendo a eletricidade e gases residuais, com o apoio de modelos de aprendizagem automática.
O estudo, conduzido por cientistas da Griffith University e da Queensland University of Technology, propõe uma alternativa aos métodos tradicionais, que são altamente intensivos em energia e dependem fortemente de combustíveis fósseis.
A nova técnica baseia-se na produção eletroquímica de ureia a partir de gases como monóxido de carbono (CO) e óxidos de azoto (NO), frequentemente considerados poluentes. No entanto, transformar estes gases em ureia tem sido um desafio, uma vez que tendem a gerar subprodutos indesejados, como amónia ou hidrocarbonetos.
Segundo Qin Li, uma das autoras do estudo, a dificuldade está em controlar a reação química: “Normalmente, quando o CO e o NO reagem num catalisador, não formam ureia, mas sim outros compostos.”
Para ultrapassar este obstáculo, os investigadores combinaram simulações de química quântica com técnicas de machine learning, analisando dezenas de estruturas catalíticas — materiais que aceleram reações químicas — e avaliando o seu desempenho.
O trabalho permitiu identificar um fator-chave: a forma como os dois gases se ligam simultaneamente ao catalisador. A equipa definiu um parâmetro, designado “energia de coadsorção”, que permite prever se a reação irá produzir ureia ou subprodutos indesejados.
“Encontrámos um intervalo muito específico em que a reação favorece a formação de ureia”, explica Yun Han. “Se a ligação for demasiado fraca, os gases não reagem; se for demasiado forte, formam-se compostos indesejados.”
A utilização de modelos de aprendizagem automática revelou-se essencial para acelerar o processo. Em vez de testar milhares de combinações possíveis através de simulações demoradas, a equipa conseguiu filtrar rapidamente mais de 1.400 candidatos, identificando os mais promissores.
De acordo com Aijun Du, esta abordagem poderá transformar o desenvolvimento de novos catalisadores: “Este método permite acelerar significativamente a descoberta de soluções e aproxima a produção de ureia de um processo mais sustentável e de baixo carbono.”
Os investigadores sublinham que esta estratégia poderá ser aplicada a outras reações químicas, contribuindo para transformar gases residuais em produtos úteis e reduzir o impacto ambiental da indústria química.
