中國科學技術大學教授李微雪課題組利用人工智能（AI）在催化基礎研究中取得重要成果。該研究通過可解釋AI技術在實驗數據中建立了金屬-載體相互作用與材料基本性質之間的控制方程，揭示了決定金屬-載體相互作用的本質因素，提出了強金屬-金屬作用原理性判據，解決了氧化物載體包覆金屬催化劑的難題。11月22日，相關研究成果以Nature of Metal-Support Interaction for Metal Catalysts on Oxide Supports為題，發表在《科學》（Science）上。
負載型金屬催化劑是工業及實驗中最常用的催化劑之一。科研人員致力于開發高活性、高選擇性、高穩定性的催化劑。其中，一個重要的科學問題在于洞察金屬-載體相互作用的本質及調控。這一作用影響催化劑的穩定性、電子轉移、組分、形貌以及界面催化位點等。1978年，有研究發現，氧化物載體在高溫還原環境下發生氧化物包裹金屬催化劑現象，從而改變其催化活性和穩定性。這一現象被歸結為強金屬-載體相互作用所致。雖然金屬-載體相互作用對較多界面現象具有重要影響，但關于該作用的本質長期以來存在爭議。
2021年，李微雪課題組建立了金屬-載體相互作用調控催化劑穩定性的Sabatier原理，提出了通過構建相互作用強弱不同的雙功能載體來解決催化劑在苛刻條件下的穩定性。而由于該作用敏感地依賴于金屬和載體的組分、尺寸、形貌，催化劑制備和反應條件等，揭示決定金屬-載體相互作用強弱的本質、發展具有預測能力的一般性理論仍是科學挑戰。
這一最新研究匯總了多篇文獻的實驗界面作用數據，涵蓋了25種金屬和27種氧化物。研究通過可解釋性AI算法，以材料性質作為基本特征，經過迭代式的數學操作，構建了由高達300億個表達式組成的特征空間。研究利用壓縮感知算法，結合領域知識和理論推導，篩選出物理清晰、數值準確的描述符，建立了金屬-載體相互作用與材料性質之間的控制方程。
該方程突破性地包含金屬-金屬相互作用這一關鍵新變量以及金屬-氧相互作用的貢獻，首次完整揭示了決定金屬-載體相互作用本質的兩個關鍵因素。研究通過對675種金屬-氧化物體系的分析發現，后者決定金屬催化劑的組分效應，而前者是決定載體差異的關鍵因素，這為探討載體效應提供了全新視角。
進一步，該研究基于神經網絡勢函數的分子動力學模擬發現，金屬-金屬相互作用決定氧化物包覆金屬催化劑的動力學速率以及包覆界面處金屬-金屬鍵的占比。基于此，研究提出了強金屬-金屬作用原理性判據，即當兩種金屬間作用強于氧化物中金屬組分自身相互作用時，氧化物載體將包覆金屬催化劑。這一判據闡釋了迄今為止幾乎所有觀測到的包覆現象，涵蓋了10?種金屬和16種氧化物。
該研究提出的金屬-載體相互作用理論具有極高的普適性。這一理論適用于氧化物負載的金屬納米催化劑，并適用于其負載的金屬單原子分散催化劑以及金屬負載的氧化物薄膜催化劑。原則上，強金屬-金屬作用原理性判據同樣適用于其他金屬化合物載體的包覆行為。該模型經過變換，可以推廣到更一般的復合材料界面體系，為界面設計和調控提供理論指導。
上述成果將助力高活性、高選擇性、高穩定性催化劑的優化設計，有望加快新催化材料、新催化反應的發現，助推能源、環境和材料的綠色升級和可持續發展。中國科學院院士、?清華大學教授李亞棟評價，“這項成果解決了多相催化研究中的一個重大基礎科學難題，對高效負載型催化劑的理性設計極具指導價值。”
同時，這一研究表明可解釋性AI算法能夠在實驗數據中構建數學模型，挖掘隱含的物理規律，建立具有預測能力的理論，加速科學原理發現的過程，將推動AI技術與化學研究的深度融合，為實現重要科學問題和技術創新突破提供新的視角和可能的解決方案。?
研究工作得到科學技術部、國家自然科學基金委員會、中國科學院等的支持。
論文鏈接??
通過可解釋性AI（A）和實驗數據（B）建立金屬-載體相互作用數學模型，“復原”缺失實驗數據（C），量化金屬-氧和金屬-金屬相互作用（D），解耦對金屬-載體相互作用的貢獻（E）
分子動力學揭示氧化物包裹金屬催化劑（A-D），金屬-金屬相互作用決定包覆界面結構與動力學（E-F），強金屬-金屬作用包裹原理性判據（H）
本文鏈接：科學家利用人工智能在催化基礎研究中取得重要成果http://m.lensthegame.com/show-12-431-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任，僅提供存儲服務。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 20年，孔子學院大膽創新砥礪前行
下一篇： 透平葉片高效氣膜冷卻孔型研究獲進展