利用数据高效机器学习构建CO2加氢制C1-2含氧化合物的萨巴捷火山图

《Advanced Science》：Construction of Sabatier Volcanoes for CO2 Hydrogenation to C1-2 Oxygenates Using Data-Efficient Machine Learning

　　

全球范围内，由于CO₂加氢制取高价值化学品的技术有望实现大规模CO₂减排，该技术的发展被优先考虑。然而，对该反应复杂反应网络的不完全理解阻碍了催化剂的理性设计。本研究通过建立一个数据和计算高效的框架，用于在约1.2 nm的Au、fcc-Co、Cu、Ni、Pd、Pt和Rh纳米颗粒上进行CO₂加氢制取C_1-2含氧化合物，从而弥补了这一空白。所获得的反应网络无法使用布朗斯特德-埃文斯-波拉尼（Br?nsted-Evans-Polanyi，BEP）关系以足够精度进行描述，这促使研究人员使用非线性神经网络（NN）模型来推断活化能。研究人员采用了类似寻路算法（pathfinder-like algorithm）和能垒跨度模型（energetic span model）来分析这些网络，并构建了萨巴捷火山图，以确定有前景催化剂的最佳吸附特性。分析表明，高效的C₂含氧化合物生成同时需要形成CH_x、有利的C–C偶联和高效质子化，以及抑制甲烷化和由CO、醇盐和羧酸盐引起的中毒。这些特征在所研究的单金属纳米颗粒上相互排斥，表明多组分和多金属催化剂是更现实的设计目标。该框架支持在数据有限和机理复杂的情况下，对CO₂加氢催化剂进行计算发现。

**论文解读：基于数据高效机器学习的CO₂加氢制C_1-2含氧化合物萨巴捷火山图构建**

**研究背景与问题**

CO₂加氢转化为高价值化学品是实现大规模CO₂减排的关键技术方向，具有重要的环境和经济意义。然而，CO₂加氢涉及复杂的多步反应网络，包括C–O键断裂、C–C偶联、加氢、质子化等多种反应类型，导致催化剂理性设计面临巨大挑战。传统基于密度泛函理论（DFT）的计算方法虽然精度高，但难以同时覆盖多种金属和大量基元步骤，且机器学习（ML）模型常受限于训练数据不足。此外，常用线性布朗斯特德-埃文斯-波拉尼（BEP）关系对复杂反应网络的描述精度有限，难以可靠指导催化剂筛选。现有研究多局限于单一过渡金属（如Cu）或仅关注特定产物，缺乏系统性的、可推广的催化剂活性预测框架。因此，亟需一种数据高效、计算可扩展的方法，以构建CO₂加氢制C_1-2含氧化合物的活性地图，并揭示最优催化剂的设计原则。

**研究内容与结论**

本研究提出了一套数据高效的机器学习框架，用于构建和分析Au、fcc-Co、Cu、Ni、Pd、Pt、Rh七种过渡金属纳米颗粒（约1.2 nm）上CO₂加氢制取C₁和C₂含氧化合物（甲烷、乙醇、乙酸、乙醛等）的萨巴捷火山图。研究人员首先通过DFT计算和ML预测获得了完整反应网络的热力学与动力学参数；针对线性BEP关系精度不足的问题，开发了基于卷积神经网络（CNN）和注意力机制的非线性NN模型，该模型显式编码反应物和产物分子结构（库仑矩阵）、金属类型、过渡态类别及反应自由能，在少样本条件下实现了比线性BEP模型（均绝对误差MAE约0.36 eV）更优的预测精度（MAE约0.23 eV）。利用类似寻路算法和能垒跨度模型自动识别各产物的动力学有利路径，并估算周转频率（TOF），进而以CO和OH吸附能（ΔE_ads(CO)和ΔE_ads(OH)）为描述符，构建了CO₂加氢制乙醇、乙酸和甲烷的二维萨巴捷火山图。分析发现，萨巴捷最优催化剂要求ΔE_ads(CO) ≈ -2.02 eV（乙醇）或 -1.90 eV（甲烷），ΔE_ads(OH) ≈ -2.77 eV。在七种单金属中，Rh最接近乙醇和乙酸产物的火山顶点，但其TOF仍远低于最优值，且更倾向于生成甲烷（TOF ≈ 10^-2 s^-1），与实验报道的Rh/Al₂O₃催化剂主要生成甲烷一致。研究还表明，C₂含氧化合物的高效生成需要同时满足CH_x形成、C–C偶联和质子化步骤的协调，并避免CO、醇盐、羧酸盐等强吸附物种的中毒；这些特性在单一金属上相互排斥，因此多组分或多金属催化剂是更现实的设计目标。该框架克服了数据有限和机理复杂性的挑战，为CO₂加氢催化剂的计算机发现提供了新工具。论文发表在《Advanced Science》。

**关键技术方法概述（不超过250字）**

研究人员采用了以下主要方法：（1）基于VASP 6.3.2进行自旋极化DFT计算，使用revPBE泛函和DFT-D3色散校正，对Au、fcc-Co、Cu、Ni、Pd、Pt、Rh的M₇₉纳米颗粒（截角八面体模型）进行反应网络建模，涵盖超过40个基元步骤；（2）构建了一种数据高效的非线性神经网络（NN）模型，输入包括：反应物和产物的库仑矩阵（经卷积层和注意力机制处理）、金属类型与过渡态类别的独热编码、以及反应自由能标量，输出预测的活化自由能ΔG^?；（3）采用类似寻路算法自动识别动力学有利的反应路径，并结合能垒跨度模型估算各产物的TOF，确定TOF决定中间体（TDI）和TOF决定过渡态（TDTS）；（4）以CO和OH吸附能为描述符，拟合金字塔状火山关系，构建二维萨巴捷火山图。

**研究结果**

*2.1 催化反应网络*：研究人员建立了涵盖Au、fcc-Co、Cu、Ni、Pd、Pt、Rh纳米颗粒的CO₂加氢制C₁和C₂含氧化合物的完整有向图反应网络，节点大小表示中间体相对自由能，边颜色表示基元步骤的活化自由能。以Rh为例展示了网络特征，并采用自动分析方法评估各金属的催化活性。

*2.2 BEP关系*：对C–O键断裂和C–C偶联等基元步骤的BEP分析表明，简单线性BEP关系精度不足（均方根误差RMSE高达0.40 eV），且不同金属、不同反应类型、甚至相似反应物（如OCH₂OH*和CH₃CH(O)OH*的C–O断裂）的斜率与截距差异显著，无法统一描述。这促使研究人员开发更精确的非线性模型。

*2.3 数据高效机器学习*：研究人员组装了包含所有DFT计算数据的训练集。线性岭回归模型和梯度提升模型（CatBoost）的测试集RMSE约0.30 eV，精度有限。相比之下，所开发的NN模型在测试集上实现了更优的RMSE（向前反应0.25 eV，反向反应0.31 eV）和更小的训练-测试集MAE差异，证明其良好的泛化能力，尤其对训练数据较少的加氢和质子化步骤仍表现可靠。

*2.4 金属纳米颗粒催化活性评估*：采用类似寻路算法和能垒跨度模型，在p(H₂)=30 bar、p(CO₂)=10 bar、T=523.15 K条件下估算各金属的TOF，并构建萨巴捷火山图。结果显示，Au和Cu因CH_x形成困难而活性极低；fcc-Co因过强稳定羧酸盐中间体而受限；Pd和Pt因CO中毒而被抑制；Ni的瓶颈为HCOOH*加氢；Rh最接近火山顶点，但仍倾向于甲烷化，其C₂产物TOF（乙醇约10^-5 s^-1）远低于甲烷（约10^-2 s^-1）。火山图表明，乙醇和乙酸的萨巴捷最优催化剂具有相近的ΔE_ads(CO)（-2.02 eV比-2.01 eV）和相同ΔE_ads(OH)（-2.77 eV），而甲烷最优催化剂需更弱的CO吸附（-1.90 eV）。最优催化剂的理论TOF（乙醇4.28 s^-1）与实验报道的优化纳米催化剂（0.10 s^-1）数量级相近，验证了方法的实用性。

*2.5 对催化剂设计的启示*：分析表明，高效的C₂含氧化合物形成需要平衡CH_x生成、C–C偶联、质子化以及避免中毒。单一金属无法同时满足这些互斥特征，因此研究建议探索多组分或多金属催化剂，例如利用亲氧性强的金属促进CO₂活化和C–O断裂，利用Cu促进C–C偶联，并通过助剂或载体抑制中毒。

**总结讨论与结论翻译**

**讨论总结**：传统线性BEP关系的局限性和反应网络的复杂性要求采用更严格的建模方法。本研究表明，以CO和OH吸附能为描述符的二维萨巴捷火山图能够有效映射CO₂加氢活性的竞争需求，并指出Rh是单金属中的最佳参照点，但远非理想催化剂。该方法可推广至其他复杂反应网络，为理性催化剂设计提供平台。

**研究结论**：本研究提出了一种构建复杂反应机理萨巴捷火山图的新方法，并将其应用于分析Au、fcc-Co、Cu、Ni、Pd、Pt和Rh上CO₂加氢制甲烷和C₂含氧化合物（乙酸、乙醛、乙醇）。通过类似寻路算法和能垒跨度模型实现了完整反应网络的综合分析。分析表明，产物特异性活性趋势与CO*和OH*的表面吸附能相关，这些能量反映了CO₂加氢网络中碳键合和氧键合中间体稳定性之间的平衡。此外，研究证明传统线性BEP型关系的可迁移性和精度有限。因此，引入了一个NN模型，该模型考虑了反应能、金属身份、过渡态类别以及用库仑矩阵编码的反应物和产物结构。这种针对少数据场景设计的非线性NN模型，采用卷积架构和注意力机制，其交叉验证MAE（约0.23 eV）显著低于线性BEP型模型（约0.36 eV），且具有更高的样本外精度。研究发现，所有单金属颗粒均无法提供足够平衡的活性以实现高效的C₂含氧化合物生成。Au和Cu因CH_x形成动力学受阻而不利；Co因过度稳定氧键合中间体；Pd和Pt因CO*过度稳定；Rh因CH_x物种优先甲烷化。虽然Rh在所有金属中表现出最高的C₂含氧化合物产率，但分析表明，在具有优化OH*和CO*中间体吸附能的催化剂上可以实现更高效、更具选择性的CO₂加氢。此外，研究人员得出结论，催化剂设计应聚焦于探索多组分体系或合金纳米颗粒，其组分应促进CO₂活化、CH_x形成和高效C–C偶联（而非甲烷化），同时避免被高稳定中间体中毒。所获得的见解展示了所开发方法在模拟复杂反应网络和提供先进催化剂设计实用建议方面的能力，例如用于CO₂加氢可持续生产大宗和平台化学品。