Nanocatalizzatori per la fotoproduzione di idrogeno verde: progettazione molecolare e caratterizzazione avanzata guidate da approcci di "machine learning"

L’idrogeno (H2) è un vettore di energia verde attraente perchè può essere prodotto da diverse fonti di energia primaria con emissioni nette di CO2 e di gas serra pari a zero. Attualmente, le principali tecnologie per la produzione di H2 si basano sui combustibili fossili. Due alternative a basso impatto ambientale sono la scissione fotocatalitica dell'acqua e il foto-reforming di molecole organiche su nanomateriali, per generare H2 usando l'energia solare. Sebbene siano stati fatti grandi sforzi per sviluppare nuovi materiali con elevata fotoattività, i catalizzatori più attivi sono ancora basati su nanoparticelle (NP) di metalli nobili supportate su ossidi semiconduttori (principalmente TiO2). È altamente auspicabile lo sviluppo di una strategia per la minimizzazione dei metalli nobili, che richiede però una comprensione dettagliata della relazione struttura-attività, che consenta di migliorarne le prestazioni catalitiche evitandone al contempo una rapida degradazione. Questo progetto beneficia delle competenze complementari dei due gruppi di ricerca, che dispongono di metodi all'avanguardia per la sintesi, la caratterizzazione e il modeling. I partner italiani sintetizzeranno diversi nanosistemi fotocatalitici a base di NP metalliche su TiO2 come supporto fotoattivo, a partire da metalli nobili (Pt, Pd) per poi spostarsi verso metalli più abbondanti in natura (Cu). Al contempo, i partner russi effettueranno uno screening mediante l’uso di supercomputer della struttura di diversi nanomateriali, per prevedere quelli con una maggiore attività catalitica. Entrambi i team eseguiranno misure in condizioni operando sui materiali sintetizzati, accoppiando misure di spettroscopia IR e UV-vis in laboratorio, misure dell'attività fotocatalitica, e misure di XAS e XRD presso il sincrotrone. L'interpretazione quantitativa dei risultati sperimentali, mediante modeling e metodi di machine learning, consentirà di stabilire le relazioni struttura-attività.