Multiscale dynamics of the semi-catalytic Rochow-Müller process.

Tar du en kikk rundt deg vil du fort merke at silikon-produkter finnes overalt, fra slikkepotten på kjøkkenet og tettemassen rundt vasken til kontaktlinsene dine. Silikon har en kombinasjon av egenskaper som gjør det unikt: termisk stabil (tåler kjøkkenovnen), vannavstøtende, ikke giftig, lav ledningsevne, lite reaktiv, tåler mekanisk påvirkning, motvirker mikrobiell vekst og mange flere. Det er derfor ikke overraskende at silikonproduksjon er en av de store markedene innen prosesskjemi, og silikon vil være et viktig produkt også i fremtiden. Silikoner er lange kjeder av molekyler satt sammen litt som perler på en snor eller som legoklosser som er festet sammen. Perlen eller legoklossen vår er molekylet diklordimetylsilan, Si(CH3)2Cl2. Prosessen for å lage denne byggeklossen, Rochow-Müller prosessen, ble oppdaget på 40-tallet. Den baserer seg på at silisium reagerer med metylklorid (CH3Cl). Et atom blir plukket ut av overflaten på silisium-klumpen og binder seg til Cl og CH3 fra to CH3Cl-molekyler for å lage ‘’byggeklossen’’ diklordimetylsilan. Til tross for at denne prosessen ble oppdaget for over 80 år siden er det mye vi ikke vet om hvordan reaksjonen foregår. Man vet at for å få silisium til å reagere må kobber blandes inn, og det finnes mye kunnskap om hvordan dette gjøres best. Men hva skjer på atom-nivå? Hvordan blandes kobber og silisium egentlig? Og enda lenger, hvordan oppfører dette systemet seg forskjellig på laben og i en stor industriell reaktor? I DYNCAT vil vi bygge en verktøykasse for modellering og en database med fokus på reaktiviteten til molekyler og relevante silisiumblandinger. Ved bruk av maskinlæring og simuleringer skal vi studere Rochow-Müller prosessen helt ned til atomært nivå. Ved å forstå, på atomskala, hva som påvirker reaksjonen setter vi oss i stand til å ta kunnskapsbaserte vurderinger som forbedrer reaksjonen. En slik forbedring kan være høyere selektivitet og lavere produksjon av avfall eller at energiforbruket går ned.

DYNCAT aims to develop a highly predictive, physics-based model of the Rochow-Müller process. The project focuses on understanding the dynamic nature of this process starting from the atomic level. The primary objectives of DYNCAT are to elucidate the evolution and behavior of Cu-Si dynamic solid phases at the atomic scale, determine pathways and mechanisms for solid-gas phase reactions at the electronic scale, identify key variables that influence the process at various levels of granularity and how they propagate to the reactor scale, and build a comprehensive knowledge base for understanding and predicting the Rochow-Müller process. A major challenge is understanding the formation and evolution of mixed Cu-Si phases, particularly Cu3Si, which is crucial for the production of dimethyldichlorosilane (M2). Another challenge is investigating how the formation of mixed Cu-Si phases affects the reactivity of gas-phase CH3Cl and surface intermediates, making the activity of both solid and gas reactants highly dynamic and heterogeneous. A key to process improvement is to identify (rate-determining) reactions and energetics for M2 production. Additionally, DYNCAT addresses deactivation by formation of metallic Cu and coke, and how to alliviate this. The project employs interdisciplinary approaches, combining molecular dynamics (MD), density functional theory (DFT), machine learning (ML), microkinetic models and process simulation to model the complex reaction network and predict chemical compositions, structures, reaction pathways, and ultimately provide conversion and selectivity profiles. The project emphasizes open science practices, ensuring that data and tools generated are accessible to both academic and industrial research communities. DYNCAT aims to bridge the gap between computational chemistry and industrial applications, providing a foundation for future studies and practical improvements in large-scale chemical processes.