标签： 催化剂设计

来源： ACS Catalysis

JAIST与NIMS团队提出催化剂-催化反应协同探索新策略，在甲烷转化反应空间中同时考察200种催化剂在25种不同原料配比下的产物分布（共百万数据点），发现最佳原料组成因催化剂而异，且能检测到丁烯、丁二烯等非目标产物。该方法突破了传统“目标反应导向”的局限，扩大了反应空间，提升了乙烯、丙烯和氢气产率，有望加速低碳化工过程开发。

来源：《德国应用化学国际版》

研究团队开发出一种名为“加权原子中心对称函数”的计算框架，可统一描述不同结构催化剂（如合金、氧化物、单原子材料）的活性位点原子几何与化学特性。结合机器学习与反应建模，该模型成功预测了过氧化氢电合成（两电子水氧化反应）性能，并筛选出高效稳定的锂钪氧化物（LiScO₂）催化剂，实验验证其效率约90%且能连续稳定运行近一周。该通用性框架已集成至数字催化平台，有望系统化加速清洁能源与化学品生产中的催化剂设计。