在机器学习指导下，利用木糖制备催化生成的乳酸乙酯

《Applied Catalysis B: Environment and Energy》：Machine learning guided catalytic ethyl lactate preparation from xylose

MgO作为机器学习指导的固体酸催化剂将木糖高效转化为乙基乳酸（77%产率），其晶格结构与反应物氢键作用促进催化活性，为生物质高值化学品转化提供新策略。

　　

摘要

乳酸具有显著的市场潜力，但传统的通过发酵或化学合成生产方法面临苛刻的条件和复杂性。我们提出了一种基于机器学习（ML）的方法，发现MgO作为一种固体基底异相催化剂，可以将木糖转化为乳酸乙酯（EL），产率为77%。通过计算预测，Mg化合物显示出高活性，实验也证实了MgO的优越性能。研究发现，MgO的（200）晶格平面中的Mg-Mg间距与木糖的O1-O2间距非常匹配，相应的氢原子与MgO形成氢键，促进了木糖的吸附和活化。由于MgO价格低廉且容易获得，并具有适当的碱性和酸性，它有助于打开木糖的环结构，促进质子转移，推动木糖的C-C键断裂，并使中间体异构化为乳酸乙酯，表现出稳定的性能。这项工作不仅为催化剂筛选提供了机器学习的思路，还为生物质转化为高价值化学品提供了策略。

引言

乳酸（LA）是一种多功能的α-羟基酸，在食品、制药、纺织、化妆品和可生物降解聚合物行业发挥着关键作用1, 2。其衍生物聚乳酸（PLA）是一种完全可生物降解的聚合物，可分解为H₂O/CO₂，每年全球需求量约为200万吨3, 4, 5, 6, 7, 8。随着生物质成为化石资源的主要替代品9，用生物质替代化石资源来生产高价值化学品具有很大的吸引力10, 11。虽然生物质衍生的平台化学品（如5-羟基甲基呋喃、左旋丁内酯等）12, 13, 14, 15, 16, 17显示出潜力，但由于乳酸已建立了大规模的市场基础设施1, 18，因此它具有独特的优势。

目前全球乳酸的生产主要（>90%）依赖于微生物发酵，但存在一些限制，包括高昂的分离成本（首先将乳酸转化为酯类，然后再将酯类转化回乳酸）、反应动力学缓慢以及可扩展性受限19。通过均相和异相系统的催化转化途径受到了广泛关注，均相路易斯酸催化剂（单一/混合系统）表现出优异的活性20, 21，而异相催化剂则具有可回收性和经济优势，符合可持续性原则。此外，乳酸酯相对于乳酸具有更高的稳定性和更低的沸点，进一步促进了其纯化。这些特性推动了碳水化合物向乳酸转化的研究22, 23, 24, 25，尽管在催化剂毒性和复杂的合成工艺方面仍存在挑战。传统的催化剂发现方法主要依赖于经验性的试错过程，需要更高效的筛选方法26。机器学习（ML）作为一种变革性的方法，利用数据驱动的分析来加速性能预测和反应条件调整27, 28, 29, 30。由于已有足够的数据用于乳酸的制备，开发基于ML的方法有望优化催化剂选择并进一步提高乳酸的产率。

在这里，我们提出了一种利用ML加速的催化剂筛选过程，并根据开发的ML模型筛选出了低毒性的元素Mg。我们进一步使用商业MgO作为固体基底催化剂进行了实验验证，尽管之前报道的异相催化剂都是通过复杂程序制备的固体酸催化剂。此外，BeO、CaO、SrO和BaO产生的乳酸产率较低，进一步凸显了MgO的优异性能，Mg确实对乳酸的形成有积极影响。在不同的Mg化合物中，MgO的活性最高，优于Mg (OH)₂、MgCO₃、MgCl₂和Mg (NO₃)₂。此外，发现10-20纳米MgO产生的乳酸产率低于100-200纳米MgO。使用原位红外光谱（IR）、X射线光电子能谱（XPS）、X射线衍射（XRD）、¹³C核磁共振（¹³C-NMR）、透射电子显微镜（TEM）、高分辨率透射电子显微镜（HRTEM）、原子力显微镜（AIMD）和密度泛函理论（DFT）对MgO进行了表征，并模拟了催化机制。这项工作为机器学习在催化剂筛选以及碳水化合物向高价值产品转化提供了指导，这对于开发更好的生物炼制技术非常重要。

部分摘录

ML模型构建

数据集包含294个反应。为了确保建模质量，随机分割是不合适的，且很可能影响模型的性能31，我们根据产率阈值（从0到0.8，间隔为0.1）对反应集进行了筛选。我们将数据分为训练集和测试集，比例为8:2，并对每个模型进行了100次独立的自助法运行。对于每个模型，我们选择了R²值最高的5次运行作为最优模型，并采用了相应的超参数。

ML辅助的催化剂选择

为了收集反应数据，我们首先使用相关关键词（如乳酸、乳酸酯）进行了深入的文献搜索。筛选了关于乳酸及其衍生物生产的文献综述和实验文章。收集了关于原料类型、催化剂描述符、操作条件和转化率的信息。删除了信息不完整的反应，最终编制了一个包含294个反应的数据集。

结论

在本研究中，避免了传统方法中选择乳酸乙酯形成催化剂的经验性和试错过程。我们统计量化了催化剂活性金属的性质对乳酸形成的影响，并通过ML从庞大的配置空间中筛选出了Mg化合物。结合实验结果，发现异相催化剂MgO在乳酸乙酯的形成方面表现出优异的性能，优于碱土金属（BeO、CaO、SrO等）。

CRediT作者贡献声明

Guiying Li：资源、方法论、资金获取。Yanzhi Guo：撰写 – 审稿与编辑、验证、项目管理、数据管理、概念构思。Changwei Hu：撰写 – 审稿与编辑、监督、项目管理、资金获取、概念构思。Qianxin Sun：撰写 – 初稿、软件开发、项目管理、方法论、研究、数据分析、数据管理、概念构思。Qiufu Zeng：研究。Gaojie Liu：研究。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

感谢中国国家自然科学基金（U24A20559）（CWH）；111中心（编号B17030）（CWH）；中央高校基本科研业务费（CWH）的支持。同时非常感谢四川大学分析测试中心对样品的表征工作。

数据和材料可用性

支持本文结论的所有数据均包含在正文中或补充材料中。

利益冲突

作者声明他们没有利益冲突。

附加信息

有关此研究的补充信息可获取。