原位生成的碳化铁（FeC_x）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FeC_x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FeC_x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FeC_x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