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。
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