ニューラルネットワークによる触媒性能予測システムの開発

1994 Fiscal Year Annual Research Report

• Project/Area Number: 06555242
• Research Category: Grant-in-Aid for Developmental Scientific Research (B)
• Research Institution: Nagoya University
• Principal Investigator: 服部 忠 名古屋大学, 工学部, 教授 (50023172)
• Co-Investigator(Kenkyū-buntansha): 鬼頭 繁治 愛知工業大学, 工学部, 教授 (20023343) ; 薩摩 篤 名古屋大学, 工学部, 助手 (00215758)
• Keywords: ニューラルネットワーク / 触媒性能予測 / 窒素酸化物還元 / ゼオライト / エチルベンゼン / 酸化脱水素

Research Abstract

本研究では、ニューラルネットワークにより種々の実験結果から知識を抽出し、その知識を設計システムにフィードバックして、最適触媒成分とその組成を予測するコンピューターシステムを作成し、さらに、窒素酸化物の選択的還元反応を例としてその有効性を実験的に検証することを目的として、以下の研究を行った。
1.ニュートラルネットによる触媒性能予測
複合酸化物触媒上でのエチルベンゼン酸化脱水素反応を例として、ニュートラルネットワーク・システムによる触媒性能の予測を試行し、19種類の助触媒添加酸化スズ触媒の活性および5種類の生成物の選択性の予測を試み、驚異的な精度で予測が可能であることを実証した。さらに、希土類酸化物上でのブタンの酸化反応にもこの方法を応用し、性能予測のためのシステムの改良および支配因子推定の可能性の検討を行った。
2.窒素酸化物触媒還元実験
新規反応の例として窒素酸化物の触媒還元反応を取り上げ、次年度以降における触媒設計の試行の基礎データ収集のために、金属イオン添加ゼオライト触媒上でのプロピレンによる窒素酸化物還元および酸型ゼオライト触媒上でのメタンによる窒素酸化物還元の反応実験を行い、それぞれの場合について、可能な支配因子の推定を試みた。その結果、前者の触媒と反応では、金属イオンの塩基性および酸化還元性の重要性が指摘され、後者では、酸強度によらず、酸量が最も重要な因子であることが明かとなった。

Research Products

• [Publications] S.Kito: "Estimation of Catalytic Performance by Neural Network-Product Distribution in Oxidative Dehydrogenation of Ethylbenzene" Appl.Catal.,A. 114. L173-L1787 (1994)
• [Publications] T.Hattori: "Acid Strength of Binary Mixed Oxide-Estimation by Neural Network and Experimental Verification" Stud.Surface Sci.Catal.90. 229-232 (1994)
• [Publications] A.Satsuma: "Dependence of Selective Reduction of NO with C_3H_6 on Acid Properties of Ion-Exchanged Zeolites" Catal.Lett.(in press).