Обзор приурочен к дате проведения 9-й Всероссийской цеолитной конференции «Цеолиты и мезопористые материалы: достижения и перспективы», проводимой в Грозном 5-9 октября 2021 г. и посвященной памяти академика С. Н. Хаджиева, который ушел из жизни 2 марта 2018 г. С. Н. Хаджиев - выдающийся нефтехимик, талантливый руководитель и организатор, замечательный человек, жизнь которого была посвящена становлению и развитию грозненской, отечественной и мировой нефтехимии и катализа. В обзоре раскрыт и обобщен вклад грозненцев в становление и развитие катализаторного производства в Грозном, где впервые в СССР были начаты исследования по синтезу и промышленному производству цеолитов. Показана роль ГрозНИИ в исследовании, становлении и развитии катализаторного производства и каталитических процессов в стране в периоды руководства институтом директоров А. Н. Саханова, А. З. Дорогочинского и С. Н. Хаджиева. Показаны имена грозненских ученых, внесших значительный вклад в развитие отечественного производства катализаторов и цеолитов в Грозном и в стране целом.

Природный газ может сыграть значительную роль в долгом переходе от ископаемого топлива к производству зеленой энергии. Метан, его основной компонент, является привлекательным ресурсом для совместного производства водорода и химических веществ с добавленной стоимостью. Одним из перспективных направлений повышения ценности метана является его прямая неокислительная конверсия в водород и углеводороды. Однако в связи с жесткими условиями реакции, необходимыми для активации метана, одной из ключевых проблем, сдерживающих коммерциализацию данного процесса, является стабильность структуры и активных центров катализатора. Потенциальным решением данной проблемы может быть снижение температуры реакции. С практической точки зрения это возможно только, если термодинамическое равновесие смещено в сторону продуктов реакции, что может обеспечить приемлемую конверсию метана и выход ценных продуктов. В данном обзоре приводится обобщение современных подходов, позволяющих повысить конверсию метана и выходы ароматических углеводородов за счет смещения термодинамического равновесия в процессе конверсии метана в водород и углеводороды.

С использованием методов РФА, ИК, КР-спектроскопии, СЭМ, ПЭМ и адсорбции-десорбции N2 изучено формирование исходных реакционных гелей с использованием бемита и изопропоксида Al, а также последующая их кристаллизация в молекулярные сита AlPO4-11. Показано, что реакционная способность источника алюминия оказывает существенное влияние на химический и фазовый состав исходных гелей. Установлено влияние свойств реакционных гелей на фазовый состав продуктов кристаллизации, морфологию и вторичную пористую структуру молекулярных сит AlPO4-11. Предложены способы управления их морфологией и вторичной пористой структурой.

В работе исследовано влияние степени ионного обмена катионов натрия на катионы цезия в FAU(Y) на физико-химические свойства. Методами обмена в растворе и твердофазного обмена были получены NaY со степенью обмена катионов натрия на катионы цезия от 29 до 89%. Образцы изучали методами СЭМ, рентгенофлуоресцентного анализа, низкотемпературной адсорбции азота, РФА, ТПД аммиака, ИКС адсорбированного хлороформа, ВМУ ЯМР 27Al. Показано, что возможно получение образцов со степенями обмена до 87% без разрушения кристаллической структуры образца. Исследование каталитических свойств CsNaY в алкилировании анилина метанолом показало, что селективность образования N-алкилированных продуктов увеличивается с увеличением количества и силы оснóвных центров. Пропитка Cs-содержащих цеолитов CsOH значительно увеличивает стабильность работы образцов и выход N-алкилированных продуктов по сравнению с CsNaY. Наиболее активными и стабильными в алкилировании анилина метанолом оказались катализаторы со степенью обмена Na+ на Cs+ 54-77%, модифицированные CsOH, конверсия анилина на которых составила 81-88%, мольная селективность по продуктам N-алкилирования 99.6-99.7%.

Проведено сравнение каталитической активности мезопористых алюмосиликатов Н-MCM-41 различного состава в процессе разложения полипропилена, а также смеси полипропилена и полиэтилена в углеводороды бензиновой фракции. Больший выход целевых продуктов (86 мас.%) наблюдался для образца с меньшим содержанием алюминия. По результатам хроматографического анализа катализата на содержание бензиновой фракции во всех исследуемых пробах были идентифицированы как насыщенные, так и ненасыщенные углеводороды. В присутствии образца Н-МСМ-41 с меньшим силикатным модулем при деструкции полипропилена образуется больше продуктов уплотнения, и их теплотворная способность выше. Мезопористые алюмосиликаты Н-MCM-41 можно рассматривать как эффективные катализаторы в процессе термокаталитического превращения полипропилена с целью получения бензиновой фракции.

Синтезированы и охарактеризованы образцы чисто кремнистого цеолита ВЕА и силикалита-1 (Si-MFI), которые использованы для адсорбционной иммобилизации β-галактозидазы грибов Aspergillus oryzae. Максимальные величина адсорбции (17 мг/г) и каталитическая активность (32% от активности фермента в растворе) получены на образце ВЕА. Адсорбция фермента на мелкокристаллическом силикалите-1 (14 мг/г) в несколько раз выше адсорбции на крупнокристаллическом образце (3.6 мг/г) при одинаковой каталитической активности, составляющей 27% активности фермента в растворе.

Предсказание степени кристалличности цеолитов по исходным параметрам синтеза - крайне сложная для решения задача. Один из способов установления таких закономерностей - обработка данных по синтезу цеолитов алгоритмами машинного обучения. В рамках текущей работы были проанализированы 650 научных статей. В ходе обработки была создана база данных, включающая в себя параметры синтеза цеолитов типа MFI и данные по степени кристалличности получаемого материала. Задача установления закономерностей между исходными параметрами синтеза и степенью кристалличности образующегося цеолита относится к классу задач регрессии. В текущей статье она была решена тремя алгоритмами машинного обучения - деревом решений, случайным лесом и градиентным бустингом. Для повышения точности работы алгоритмов к исходному датасету были добавлены полиномиальные признаки 2-5-й степени. Лучшую точность в сочетании со скоростью обработки базы данных показал алгоритм градиентного бустинга, построенный на данных с полиномиальными признаками 3-й степени. Средняя абсолютная ошибка (MAE) показаний модели от реальных значений степени кристалличности составила 10.3%.