PENDEKATAN KECERDASAN BUATAN UNTUK OPTIMASI STRUKTUR ATOMIK NANO-K ATALIS PADUAN NIKEL- NITROGEN-KARBON PADA GRAPHENE UNTUK REDUKSI CO 2 TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh NUR ALIFIAH NIM: 20923007 (Program Studi Magister Sains Komputasi) INSTITUT TEKNOLOGI BANDUNG Desember 2024 i ABSTRAK PENDEKATAN KECERDASAN BUATAN UNTUK OPTIMASI STRUKTUR ATOMIK NANO-K ATALIS PADUAN NIKEL- NITROGEN-KARBON PADA GRAPHENE UNTUK REDUKSI CO 2 Oleh Nur Alifiah NIM: 20923007 (Program Studi Magister Sains Komputasi) Pertumbuhan populasi dunia, peningkatan ekonomi, dan standar hidup telah mendorong konsumsi energi fosil yang signifikan, sehingga meningkatkan emisi karbon dioksida (CO₂). Emisi ini berkontribusi pada berbagai permasalahan lingkungan, seperti efek rumah kaca, kenaikan muka air laut, dan hujan asam. Salah satu solusi berkelanjutan adalah penangkapan dan pemanfaatan CO₂ dengan mengkonversinya menjadi metana (CH₄) melalui proses hidrogenasi menggunakan katalis berbasis graphene yang dimodifikasi. Graphene, sebagai material karbon dua dimensi dengan sifat unik, telah dikembangkan sebagai pendukung katalis melalui doping logam transisi seperti nikel (Ni) dan nitrogen (N). Penelitian ini bertujuan untuk mengoptimasi desain katalis atom tunggal Ni pada permukaan N- doped graphene menggunakan pendekatan Gaussian Process Regression (GPR) dan algoritma Bayesian Optimization. Metode ini diimplementasikan pada pendekatan global optimization with first-principles energy expressions untuk menentukan struktur katalis dengan energi formasi paling rendah dan situs aktif yang optimal. Hasil penelitian menunjukkan bahwa struktur katalis paling stabil adalah konfigurasi NiN₂, yang memiliki energi formasi terendah, menunjukkan kestabilan termodinamika tertinggi. Selain itu, atom hidrogen cenderung teradsorpsi pada situs NiN₃, sedangkan molekul karbon monoksida (CO) teradsorpsi pada situs adsorpsi NiN₄. Kata kunci: Kecerdasan Buatan, Graphene, CO 2 Methanation, Katalis Ni-NC. ii ABSTRACT ARTIFICIAL INTELLIGENCE APPROACH FOR OPTIMIZING THE ATOMIC STRUCTURE OF NICKEL-NITROGEN-CARBON ALLOY NANOCATALYSTS ON GRAPHENE FOR CO 2 REDUCTION By Nur Alifiah NIM: 20923007 (Master’s Program in Computational Science) The growth of the global population, economic development, and rising living standards have led to increased fossil energy consumption, contributing to a surge in carbon dioxide (CO₂) emissions. These emissions drive various environmental issues, such as the greenhouse effect, sea level rise, and acid rain. A sustainable solution involves capturing and utilizing CO₂ by converting it into methane (CH₄) through hydrogenation processes using modified graphene-based catalysts. Graphene, a two-dimensional carbon material with unique properties, has been developed as a catalyst support through doping with transition metals such as nickel (Ni) and nitrogen (N). This study aims to optimize the design of single-atom Ni catalysts on N-doped graphene surfaces using a Gaussian Process Regression (GPR) approach and the Bayesian Optimization algorithm. This method was implemented in the framework of global optimization with first-principles energy expressions to identify the catalyst structure with the lowest formation energy and the most optimal active sites. The results show that the most stable catalyst structure is the NiN₂ configuration, which has the lowest formation energy, indicating the highest thermodynamic stability. Additionally, hydrogen atoms tend to adsorb on NiN₃, while carbon monoxide (CO) molecules prefer the adsorption site on NiN₄. Keywords: Artificial Intelligence, Graphene, CO 2 Methanation, Katalis Ni-NC. iii PENDEKATAN KECERDASAN BUATAN UNTUK OPTIMASI STRUKTUR ATOMIK NANO-K ATALIS PADUAN NIKEL- NITROGEN-CARBON PADA GRAPHENE UNTUK REDUKSI CO 2 HALAMAN PENGESAHAN Oleh Nur Alifiah NIM: 20923007 (Program Studi Magister Sains Komputasi) Institut Teknologi Bandung Menyetujui Tim Pembimbing Tanggal 03 Januari 2025 Dosen Pembimbing 1 (Prof. Dr.