原位生成的碳化铁(FeCx)是工业上铁基催化剂上费托合成(FTS,CO+H2→长链烃)的关键组分。然而,尽管已经经过了一个多世纪的研究,然而,由于FeCx结构和CO加氢机理的复杂性,真正的活性中心仍然存在很大的争议。
近日,复旦大学刘智攀教授,商城研究员报道了利用机器学习,在FTS条件下探索了数以百万计的FeCx体和表面候选结构,从而解决了CO活化的活性中心问题。
文章要点
1)研究人员在没有实验先验输入的情况下,首先构建体相的热力学凸包,然后识别低表面能表面,评估CO和H的吸附能力,最后确定CO活化的最低能量反应路径。
2)研究人员获得了丰富的FeCx结构和CO加氢途径的信息:i)Fe5C2,Fe7C3和Fe2C是FTS下生成烯烃的三个稳定的体相,其中Fe7C3和Fe2C有多个能量接近简并的大块晶体相;ii)这些大块相只有三个低表面能表面,即χ-Fe5C2(510),χ-Fe5C2(111)和η-Fe2C(111),暴露了可以吸附的Fe位;iii)通过直接解离的CO活化可以发生在表面C空位(例如,势垒为1.1 eV),这些空位是通过加氢动态所产生。
这些原子水平的理解有助于建立结构-活性关系和设计性能更好的FT催化剂。
参考文献
Qian-Yu Liu, Cheng Shang, Zhi-Pan Liu, In Situ Active Site for CO Activation in Fe-Catalyzed Fischer−Tropsch Synthesis from Machine Learning, J. Am. Chem. Soc., 2021
DOI:10.1021/jacs.1c04624
https://doi.org/10.1021/jacs.1c04624