Cu催化剂是非常重要的CO2电化学还原催化剂,能够得到广泛的碳产物:C1 (CO, HCOOH, CH4, CH3OH)、C2 (C2H4, C2H6, C2H5OH, C3H7OH)。通过合成过程中加入添加剂,能够调控Cu催化剂的形貌、界面结构,导致CO2电化学还原反应中产生显著变化。有鉴于此,厦门大学数学科学学院周达、汪骋等报道了通过机器学习方法对Cu催化剂在CO2电化学还原反应中沉积在催化剂界面上的添加剂物种,具体通过“实验观测-机器学习分析-反应预测催化剂再设计”的迭代循环进行研究,获得了得到不同反应产物的催化剂。
意义。展示了机器学习能够通过有限的实验结果,加速催化剂结构优化、发展新型催化剂。
参考文献
Ying Guo, Xinru He, Yuming Su, Yiheng Dai, Mingcan Xie, Shuangli Yang, Jiawei Chen, Kun Wang, Da Zhou*, and Cheng Wang*, Machine-Learning-Guided Discovery and Optimization of Additives in Preparing Cu Catalysts for CO2 Reduction, J. Am. Chem. Soc. 2021
DOI: 10.1021/jacs.1c00339