机器学习指导CO2还原的Cu基催化剂的制备

我院汪骋教授课题组与数学学院周达副教授课题组利用机器学习发现CO₂还原的Cu基催化剂取得新进展。相关研究成果“Machine-Learning-Guided Discovery and Optimization of Additives in Preparing Cu Catalysts for CO₂ Reduction” 于近日发表于《美国化学会志》 (J. Am. Chem. Soc. 2020, DOI: 10.1021/jacs.1c00339)。

电化学CO₂还原转化成化学品被认为是碳资源循环利用的重要方向。铜基催化剂可以将CO₂ 电化学还原得到一系列产物，包括C1（CO，HCOOH，CH₄，CH₃OH）和C₂₊（C₂H₄，C₂H₆，C₂H₅OH，C₃H₇OH）。催化剂制备中的添加剂能调控CO₂还原的选择性。通过机器学习进行有效的数据分析，可以加速发现和优化潜在的新催化剂。

该研究通过三个迭代周期探索了CO₂电还原Cu催化剂（电化学沉积制备）的添加剂：实验测试à机器学习分析à预测和重新设计，获得了对CO、HCOOH和C_{2 +}产物具有高选择性的催化剂。研究发现含有脂肪族羟基的分子添加剂可以通过控制催化剂前驱体Cu₂O立方体的形成来提高C₂₊产物的法拉第效率。这一工作凸显了机器学习通过从有限数量的实验数据中有效提取信息来加速材料开发的潜力。虽然只研究了约300个不同催化剂，机器学习对数据的高效分析复现了近年来铜基催化剂研究的主要结论，并获得了新的知识。

该研究工作通过汪骋课题组与周达课题组合作完成。我院已毕业2016级博士郭莹（现西北工业大学博士后）和2019级博士贺莘茹为共同第一作者，苏禹铭、戴以恒、谢明灿等参与了部分工作。研究工作得到科技部重点研发计划（批准号：2016YFA0200702），国家自然科学基金（批准号：22071207、21721001、11971405）和国家基础科学人才培养基金（批准号：J1310024）等项目的资助。

论文链接：https://pubs.acs.org/doi/10.1021/jacs.1c00339