Convertir el diòxid de carboni en combustibles i productes químics és una de les vies que s'exploren per aprofitar les emissions. Per dissenyar catalitzadors cal entendre quines reaccions passen a la superfície, i els models d'abans en consideraven poques. Un equip de l'Institut Indi de Ciència (IISc), a Bengaluru, ha ampliat aquest mapa amb ajuda de l'aprenentatge automàtic. El treball, dirigit per Ananth Govind Rajan, s'ha publicat a *Nature Communications* (DOI 10.1038/s41467-026-77080-4).
Els investigadors van partir d'una base de 152 reaccions calculades amb simulacions de mecànica quàntica per a la hidrogenació del CO₂ a metanol sobre un catalitzador de coure. Models d'aprenentatge automàtic en van estimar les barreres d'energia de moltes més, i eines automàtiques van examinar les reaccions entre 105 espècies de superfície. La xarxa va créixer fins a 9.389 reaccions, que després van passar a un model de velocitats de reacció.
La xarxa petita predeia àcid fòrmic com a producte principal i infravalorava la conversió del CO₂. L'ampliada en va predir unes 40 vegades més i va assenyalar el metanol i el monòxid de carboni com a productes majoritaris, com passa als experiments, que van fer investigadors d'una empresa petroliera índia i d'una agència de recerca de Singapur. A més, en alguns passos l'hidrogen es transferia com a molècula intacta i no com a àtoms separats, una via que càlculs addicionals van trobar especialment favorable amb intermedis amb oxigen.
Cal matisar-ho. El factor 40 compara el model nou amb el vell, no amb una mesura experimental nova; l'estudi només cobreix el coure, i el mecanisme de l'hidrogen és computacional. Els autors diuen que això podria orientar el disseny de catalitzadors, però no n'han construït ni provat cap de nou. Els detalls d'aquesta notícia vénen de la versió divulgativa; l'article original conté els resultats complets.