Репортаж от Wedoany，Исследователи из Университета Тохоку (Tohoku University) обнаружили новый принцип проектирования катализаторов, раскрывающий, что двухатомные катализаторы (dual-atom catalysts, DACs) демонстрируют режим «двойного оптимума Сабатье» (dual-Sabatier optima) в реакции восстановления кислорода, что бросает вызов десятилетиями используемой гипотезе одновершинной вулканической модели и открывает новый путь к снижению стоимости водородных топливных элементов.
Топливные элементы считаются ключевым устройством для построения низкоуглеродного общества: они вырабатывают электроэнергию из водорода с нулевыми выбросами. Однако многие топливные элементы по-прежнему зависят от драгоценных металлов, таких как платина, для проведения реакции восстановления кислорода (ORR), которая напрямую влияет на производительность и стоимость. Традиционная теория катализа объясняет закономерности активности с помощью модели «одновершинного вулкана», полагая, что оптимальный катализатор находится в узком интервале химических свойств. Однако, анализируя крупномасштабные экспериментальные данные с цифровой каталитической платформы (Digital Catalysis Platform, DigCat), исследовательская группа обнаружила, что двухатомные катализаторы не следуют этой ожидаемой модели.
Исследователи изучили более 200 двухатомных катализаторов, используя передовое теоретическое моделирование, микрокинетическое моделирование (microkinetic modeling) и машинное обучение. Результаты показывают, что DACs в основном контролируются реакционным путем, называемым диссоциативным механизмом (dissociative mechanism), в отличие от ассоциативного механизма (associative mechanism), распространенного в одноатомных катализаторах. Это изменение оказывает значительное влияние на активность катализатора: DACs больше не демонстрируют единый пик оптимальной производительности, а показывают две раздельные области оптимума, то есть «двойной оптимум Сабатье». Появление двух пиков обусловлено сдвигом лимитирующей стадии в ходе реакции, переключением между диссоциацией кислорода, протонированием кислорода и протонированием гидроксила.
Исследователи обнаружили, что этот принцип применим к широкому спектру типов катализаторов, включая системы, состоящие из переходных металлов, металлоидных элементов и даже неметаллических атомов. Объединяя интерпретируемое машинное обучение (interpretable machine learning) с теоретическим моделированием, команда создала прогностическую структуру, способную быстро идентифицировать перспективные структуры катализаторов. Выдающийся профессор Института передовых материалов (WPI-AIMR) Университета Тохоку Хао Ли (Hao Li) отметил, что долгое время существовало предположение, что двухатомные катализаторы следуют тем же правилам активности, что и одноатомные, однако последняя работа показывает, что при совместной работе двух атомов могут возникать совершенно иные механизмы, открывая новые возможности для проектирования эффективных материалов для технологий чистой энергии.
Потенциальное влияние этого открытия может выйти за рамки топливных элементов и, возможно, дать рекомендации по разработке катализаторов для других процессов преобразования энергии и химического производства. Исследование также демонстрирует, как искусственный интеллект может извлекать скрытые научные закономерности из существующих экспериментальных данных, тем самым ускоряя отбор новых материалов. В дальнейшем команда планирует применить этот метод к более сложным многометаллическим катализаторам, а также к другим энергетическим реакциям, помимо ORR, и, интегрируя AI-агентов, машинное обучение и электрохимическое моделирование в платформу DigCat, создать полностью автономную цифровую систему для быстрого проектирования катализаторов следующего поколения для устойчивой энергетики.
