# Aprendizagem em grafos melhora estimativas de metanol em catalisadores de zircónia

> Investigadores da Universidade de Aarhus usaram um modelo baseado em grafos para estimar energias em superfícies de zircónia dopada para a hidrogenação de CO₂. Nos cálculos microcinéticos, as estimativas produziram rendimentos de metanol mais próximos dos resultados da teoria do funcional da densidade do que um método baseado em relações lineares.

- URL canônica: https://newsverum.com/pt/news/zirconia-catalyst-graph-machine-learning-screening-2026
- Editora: Newsverum
- Seção: Ciência
- País: Dinamarca
- Publicado: 2026-10-13T00:51:41+00:00
- Atualizado: 2026-10-13T00:51:41+00:00
- Período do evento ou dos dados: 2026-10-09
- Outras edições: [Türkçe](https://newsverum.com/tr/news/zirconia-catalyst-graph-machine-learning-screening-2026.md), [English](https://newsverum.com/en/news/zirconia-catalyst-graph-machine-learning-screening-2026.md), [العربية](https://newsverum.com/ar/news/zirconia-catalyst-graph-machine-learning-screening-2026.md), [Français](https://newsverum.com/fr/news/zirconia-catalyst-graph-machine-learning-screening-2026.md), [Español](https://newsverum.com/es/news/zirconia-catalyst-graph-machine-learning-screening-2026.md), [Deutsch](https://newsverum.com/de/news/zirconia-catalyst-graph-machine-learning-screening-2026.md)

O estudo avaliou dopantes de alumínio, cádmio, gálio, índio e zinco em superfícies ZrO₂(101). O método WWL-GPR representa estruturas superficiais como grafos que combinam geometria local e características eletrónicas, estimando energias de adsorção de intermediários e estados de transição.

O modelo melhorou as previsões de energia dos intermediários face às relações de escala termodinâmica; as estimativas dos estados de transição foram competitivas com modelos de Brønsted–Evans–Polanyi. Quando integradas numa rede de reação, as energias previstas deram rendimentos estimados de metanol mais próximos dos valores derivados da teoria do funcional da densidade. Trata-se de triagem computacional, sem demonstração experimental do desempenho do catalisador.

## Dados

### Resultado relatado pelo estudo

Número de dopantes distintos na triagem computacional; não é um catalisador sintetizado nem uma produção medida.

Metodologia: O artigo lista Al, Cd, Ga, In e Zn para superfícies ZrO₂(101). As estimativas de energia foram usadas no modelo de grafos e nos cálculos microcinéticos.

| Quantidade relatada | Valor | Âmbito específico do estudo |
|---|---|---|
| Elementos dopantes avaliados em superfícies de ZrO₂ | 5 | Número de dopantes distintos na triagem computacional; não é um catalisador sintetizado nem uma produção medida. |

Fontes: <https://arxiv.org/abs/2610.13795> · Baixar dados: [JSON](https://newsverum.com/api/v1/articles/zirconia-catalyst-graph-machine-learning-screening-2026/data/study-result?lang=pt&format=json) · [CSV](https://newsverum.com/api/v1/articles/zirconia-catalyst-graph-machine-learning-screening-2026/data/study-result?lang=pt&format=csv)

## Fontes

- [arXiv](<https://arxiv.org/abs/2610.13795>) (Fonte verificada: 2026-10-13; Publicado: 2026-10-09)

---

Use a URL canônica acima para citar este artigo. [Princípios editoriais e correções](https://newsverum.com/pt/editorial)