组合催化剂的设计难以进行概括，实验方面的相关研究通常基于文献数据中偶然发现的比例附近进行研究，有鉴于此，日本北陆先端科学技术大学院大学（JAIST）Toshiaki Taniike等报道了从36540种催化剂中随机得到300种4元固体催化剂（M1-M2-M3/底物催化剂），通过高通量筛选方法对催化活性进行评价。

本文要点：

（1）

虽然本文中使用的随机样品库，在筛选得到的300种催化剂中，51个催化剂都展示了较高的C2产率，数据分析结果显示，催化剂中的协同效应起到非常重要的作用。

其中分别包括51和106个正向、反向催化剂，能够显著的改善、降低催化反应中的非催化自由基反应过程，其中正向、反向催化剂以较大的频率出现特定的元素和基底，而且其中多种具有正向催化活性的元素在以往的相关研究中并未被发现。

（2）

这种决策树分类（decision tree classification）方法能够有效的用于设计高效四元催化剂用于实现更高的C2产率。本文中运用的设计高效催化剂的方法：在较大的样品库种随机样品筛选得到300种M1-M2-M3/底物催化剂；通过高通量筛选（HTS）仪器评价甲烷氧化偶联反应中的性能；通过大数据方法分析结果和数据。

（3）

在催化剂中，通过元素周期表不同族元素将协同作用、对抗作用结合。说明d⁰金属盐的普遍活性。

参考文献

Thanh Nhat Nguyen, Sunao Nakanowatari, Thuy Phuong Nhat Tran, Ashutosh Thakur, Lauren Takahashi, Keisuke Takahashi, and Toshiaki Taniike,* Learning Catalyst Design Based on Bias-Free Data Set for Oxidative Coupling of Methane, ACS Catal. 2021, 11, 1797–1809

DOI: 10.1021/acscatal.0c04629

https://pubs.acs.org/doi/10.1021/acscatal.0c04629