CO2 till bränsle: ny katalysator och AI-optimering

En siffra sticker ut: över 800 °C. Det är ungefär där den omvända vatten-gas-skiftreaktionen (RWGS) traditionellt trivs bäst när man vill göra om koldioxid (CO2) till kolmonoxid (CO) – en nyckelbyggsten för syntetiska bränslen. Sådana temperaturer betyder dyr värme, hårda materialkrav och en process som är svår att skala utan att kostnaderna springer iväg.

Nu kommer ett besked från forskningen som faktiskt är praktiskt relevant: ett koreanskt team har tagit fram en kopparbaserad katalysator som driver samma omvandling vid cirka 400 °C, med ovanligt hög hastighet, selektivitet och stabilitet. Det här är inte ”ännu en labbkuriositet”. Det är ett steg som gör e-bränslen och metanol mer realistiska i industriell skala – särskilt när man kombinerar katalys med AI-styrd processoptimering, vilket är en tydlig tråd i vår serie AI inom energi och hållbarhet.

Det här inlägget förklarar vad som faktiskt har hänt, varför låg temperatur spelar roll, och hur AI kan bli den faktor som tar tekniken från bra forskning till robust produktion.

Varför RWGS (CO2 → CO) är navet i e-bränslen

RWGS är den mest direkta vägen från CO2 till en bränslebyggsten. Reaktionen tar CO2 och vätgas (H2) och ger CO och vatten. CO blandas sedan med mer vätgas till syngas, som kan användas för att producera exempelvis e-fuels, metanol och andra elektrobränslen.

Det här spelar extra stor roll vintern 2025, när många europeiska aktörer (inklusive nordiska) samtidigt jagar tre saker: energisäkerhet, elektrifiering och utsläppsminskningar i svår-elektrifierade sektorer som flyg och sjöfart. Där är syntetiska bränslen ett av få realistiska alternativ på kort och medellång sikt.

Varför hög temperatur har varit normen

RWGS gynnas termodynamiskt av högre temperaturer, vilket är en stor anledning till att processer ofta körs >800 °C. Men det har två praktiska baksidor:

• Energikostnad: Värme är inte gratis, ens om du har el från förnybart.
• Material- och driftproblem: Hög värme stressar katalysatorer och reaktorer.

Problemet med klassiska katalysatorer

Nickel är vanligt vid hög temperatur, men över tid kan nickelkatalysatorer tappa aktivitet när partiklar klumpar ihop sig (sintring). Kör man RWGS lägre för att undvika det, ökar risken för oönskade sidoreaktioner – särskilt bildning av metan – vilket stjäl kol från CO-produktionen.

Genombrottet: koppar vid 400 °C – snabbt, selektivt, stabilt

Kärnan i forskningsnyheten är en ny koppar–magnesium–järn-katalysator (blandoxid) som presterar starkt vid 400 °C. I data som rapporterats visar den:

• CO-bildningshastighet: 223,7 μmol·gcat⁻¹·s⁻¹
• CO-utbyte: 33,4 %
• Stabilitet: över 100 timmar kontinuerlig drift
• Jämförelse: cirka 1,7× högre hastighet och 1,5× högre utbyte än kommersiella kopparkatalysatorer vid samma temperatur
• Jämförelse med platina: trots att platina är dyrt och ofta aktivt, rapporteras här 2,2× snabbare CO-bildning och 1,8× högre utbyte

Det här är precis den kombination industrin vill se: billiga metaller, låg temperatur, hög selektivitet och stabil drift.

Varför koppar är attraktivt (och varför den ofta faller på mållinjen)

Koppar har en stor fördel: vid temperaturer under cirka 400 °C tenderar koppar att vara selektiv för CO snarare än metan. Det betyder att mer av kolet hamnar där du vill ha det.

Men koppar har också varit känd för en svag punkt: termisk stabilitet runt just de temperaturer där man vill köra RWGS effektivt. Partiklar kan växa ihop och tappa aktiv yta.

Designknepet: LDH-struktur som motverkar klumpning

Forskarteamet använde en så kallad LDH-struktur (layered double hydroxide), där tunna metallskikt separeras av vattenmolekyler och anjoner. Poängen är att man kan ”tuna” materialet genom att justera metalljonernas typ och proportion.

Genom att lägga till järn och magnesium kunde man fylla ut mellanrummen runt kopparpartiklarna och på så sätt:

• minska sintring/klumpning
• öka värmetålighet
• behålla aktiv yta över tid

Den kemiska detaljen som gör skillnad: hoppar över formiat

En extra intressant del är mekanismen. Konventionella kopparkatalysatorer går ofta via mellanprodukter (formiat). Den nya katalysatorn verkar i stället kunna omvandla CO2 direkt till CO på ytan, vilket minskar sidoreaktioner och hjälper selektiviteten.

En mening som sammanfattar det väl:

När katalysatorn kan ta en rakare kemisk väg blir processen både renare och mer förutsägbar.

För AI- och driftfolk är ”förutsägbar” inte ett mjukt ord. Det betyder enklare styrning, stabilare kvalitet och färre överraskningar.

Vad detta betyder för e-bränslen, metanol och e-SAF

Lägre temperatur gör CO2-konvertering mer energieffektiv och mer skalbar. Men det viktiga är var i värdekedjan effekten kommer.

1) Lägre CAPEX och OPEX i reaktorsteget

Vid 400 °C kan man ofta:

• använda mindre extrema materialval
• förenkla isolering och värmehantering
• minska termiska cyklingproblem vid start/stopp

Det innebär inte automatiskt ”billigt bränsle”, men det tar bort en av de dyrare barriärerna.

2) Bättre kolutnyttjande

Hög selektivitet till CO betyder att mindre kol går till metan och annat som sedan måste hanteras, separeras eller betraktas som förlust.

3) Lättare integration med förnybar el och grön vätgas

När Sverige och Norden bygger mer vindkraft och jobbar med nätstabilitet blir produktionsmönstret mer varierat. Processer som klarar flexibel drift utan att katalysatorn dör är mer värda än processer som ser bra ut på papperet men kräver konstant fullgas.

Där AI gör verklig nytta: från katalysator till produktionssystem

Katalysatorn är hjärtat. AI är nervsystemet. När temperaturkraven sjunker och selektiviteten ökar blir processfönstret ofta större – och då kan AI utnyttja det för att maximera ekonomi och klimatnytta.

AI-case 1: Digital tvilling för RWGS-reaktorn

En digital tvilling (modellsystem som speglar processen) kan optimera drift i realtid:

• temperaturprofil genom katalysatorbädden
• H2/CO2-förhållande för maximal CO-selektivitet
• tryck och flöde för att undvika varma zoner och sintring

Praktiskt mål: samma CO-produktion med mindre energi och jämnare produktkvalitet.

AI-case 2: Prediktivt underhåll och katalysatorhälsa

Stabilitet i 100 timmar är starkt för forskning, men industri kräver typiskt betydligt längre kampanjer. AI kan hjälpa genom att upptäcka tidiga signaler på försämring:

• mönster i IR-spektra (om sensorer finns)
• avvikelser i konvertering vid given temperatur
• tryckfall och flödesförändringar som tyder på kokning/kanalbildning

När du kan förutse försämring kan du planera regenerering eller laständring innan tappet blir dyrt.

AI-case 3: Optimering mot elpris och koldioxidintensitet

Det här är en av de mest underskattade vinsterna i Power-to-X:

• Kör hårdare när elen är billig och ren.
• Kör snällare (eller pausa) när elen är dyr eller smutsigare.

Med en lågtemperaturprocess blir rampning ofta mer realistisk. AI kan då lösa ett optimeringsproblem som tar hänsyn till:

1. elpris (timme för timme)
2. nätbegränsningar
3. CO2-tillgång (punktutsläpp eller DAC)
4. vätgaslager och buffertkapacitet
5. produktkrav (t.ex. e-metanol eller e-SAF)

Vanliga följdfrågor (och raka svar)

Är CO ett bränsle i sig?

Nej, CO är främst en mellanprodukt. Värdet ligger i att CO tillsammans med H2 blir syngas som sedan kan byggas vidare till metanol eller syntetiska kolväten.

Betyder detta att vi kan ”återvinna” CO2 och lösa klimatfrågan?

Nej, men det kan minska behovet av fossil kolkälla i vissa sektorer. Klimatnyttan beror på två saker: att vätgasen är grön och att CO2 kommer från hållbara källor (biogen eller direkt från luft/infångning som inte förlänger fossil användning).

Är 33,4 % CO-utbyte bra?

Det är konkurrenskraftigt i det rapporterade lågtemperaturfönstret, särskilt i kombination med hög hastighet och stabilitet. I industri bedöms det tillsammans med separation, återcirkulation, energiintegration och total verkningsgrad.

Så kan svenska energi- och industribolag agera redan nu

Den snabbaste vägen till affärsvärde är att behandla detta som ett systemprojekt, inte ett materialprojekt. Jag brukar rekommendera tre steg:

1. Kartlägg var CO kan bli en flaskhalsbrytare: metanolspår, e-SAF-spår eller integration med befintlig syntes.
2. Bygg en datagrund: mätpunkter, sensorer, historik och kvalitetsdata så att AI faktiskt har något att jobba med.
3. Starta med en digital tvilling i liten skala: även en pilot kan ge svar på hur känslig processen är för laständring, temperatur och gasmix.

För organisationer som vill skapa leads internt (och externt) är detta ett tydligt tema: ”från katalys till styrning”. Det är där många projekt tappar fart – och där AI gör att man kan gå från pilot till stabil drift.

Nästa steg: katalysator + AI är den realistiska kombon

Den här koppar–magnesium–järn-katalysatorn visar att CO2 till CO vid 400 °C kan göras snabbare, mer selektivt och mer stabilt än vad många räknat med. Det sänker inte bara energibehovet; det gör processen mer kompatibel med hur förnybar el faktiskt beter sig i verkligheten.

Om du jobbar med Power-to-X, e-bränslen, metanol eller industrins elektrifiering är slutsatsen enkel: materialframsteg räcker inte ensamt. Den som får ekonomi i det här bygger en process som går att styra, förutse och optimera – och där är AI inte ett sidospår utan en del av kärnan.

Vilken del av din värdekedja skulle vinna mest på att kombinera lågtemperatur-CO2-konvertering med AI för processoptimering: reaktorn, vätgaslogistiken eller elhandel/planering?