Entwicklung und Validierung KI-gestützter Modelle chemischer Kinetik zur beschleunigten Entwicklung kohlenstoffarmer Technologien (REVEAL)

• Antragsteller: Dr.-Ing. Felix Döppel
• Fachliche Zuordnung: Technische Chemie ; Künstliche Intelligenz und Maschinelle Lernverfahren
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 569475041

Die chemische Industrie ist nach wie vor in hohem Maße abhängig von fossilen Brennstoffen und trägt dadurch erheblich zum Anstieg der weltweiten CO2-Emissionen bei. Um eine nachhaltige Strategie für den Umgang mit CO2 zu ermöglichen, sind großskalige Technologien zur Nutzbarmachung der CO2 Emissionen erforderlich. Die Trockenreformierung von Methan ist hierbei besonders vielversprechend, da damit CO2-Emissionen unter Einsatz erneuerbarer Energien in hochwertige Chemikalien umgewandelt werden können. Ihr Einsatz ist bisher jedoch sehr begrenzt, da es durch die üblicherweise schnelle Desaktivierung des Katalysators an nachhaltigen Reaktorkonzepten mangelt. Die Entwicklung solcher Konzepte erfordert die detaillierte Modellierung des Systems über alle für die Katalysatordeaktivierung relevanten Zeit- und Größenskalen. Gegenwärtig ist das aufgrund des hohen Rechenaufwands in Verbindung mit der Berücksichtigung der detaillierten chemischen Kinetik allerdings nicht möglich. Im Rahmen des vorgelegten Projekts werde ich physikalisch konsistente und hocheffiziente maschinelle Lernverfahren entwickeln, die den numerischen Rechenaufwand der Reaktorsimulationen deutlich reduzieren. Darauf aufbauend werde ich eine Strategie zur automatisierten Erstellung datengetriebener Versuchspläne entwickeln, um die Genauigkeit der Modelle gezielt zu steigern. Diese Kombination erlaubt zuverlässige Simulationen des Reaktorverhaltens und ermöglicht so das rationale Design von nachhaltigen Reaktorkonzepten, die einer Katalysatordesaktivierung auch bei langer Betriebszeit entgegenwirken. Die neu entwickelten Methoden sind jedoch nicht auf die Trockenreformierung beschränkt, sondern bieten grundlegende Werkzeuge zur beschleunigten Entwicklung von Technologien zur Nutzbarmachung von CO2. Mögliche Ergebnisse des Projekts sind: 1) Die deutlich beschleunigte Entwicklung nachhaltiger Technologien zur Nutzbarmachung von CO2; 2) Ein breiterer Einsatz von Multiskalenmodellen im Reaktordesign; und 3) Eine stärkere Vernetzung zwischen chemischer Verfahrenstechnik und maschinellem Lernen als Grundlage für neue Innovationspfade.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: Italien
• Gastgeber: Professor Dr. Matteo Maestri