
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于机器学习与全面基元反应枚举的铜催化CO?加氢自动动力学建模:揭示9389个基元反应与物种间氢转移的关键作用
《Nature Communications》:Data-driven massive reaction networks reveal mechanistic pathways underlying catalytic CO2 hydrogenation
【字体: 大 中 小 】 时间:2026年09月19日 来源:Nature Communications 18.1
编辑推荐:
摘要清洁能源转化的多相催化路径涉及数千个基元步骤,但大多数模型仅涉及几十种反应。我们结合了广泛的密度泛函理论计算、用于活化能垒预测的机器学习,以及受人类智能启发的基元反应枚举和识别。这使得铜上二氧化碳加氢的自动动力学建模成为可能,这是一个生产燃料和化学品的关键过程。我们构建了
清洁能源转化的多相催化路径涉及数千个基元步骤,但大多数模型仅涉及几十种反应。我们结合了广泛的密度泛函理论计算、用于活化能垒预测的机器学习,以及受人类智能启发的基元反应枚举和识别。这使得铜上二氧化碳加氢的自动动力学建模成为可能,这是一个生产燃料和化学品的关键过程。我们构建了一个由 152 个基元二氧化碳加氢反应组成的最大数据集之一,并通过实验确定了二氧化碳转化率,发现即使包含 100 多个反应的大型网络也是不足够的。相比之下,我们的方法揭示了 9389 个基元反应,减少了反应路径中的人为偏差。我们阐明了高出 40 倍的二氧化碳转化率,符合甲醇和 CO 生产的实验趋势。我们确立了物种间氢转移和分子氢加氢的关键作用,这是一个令人惊讶的事后验证的数据驱动发现。提出的全面建模复杂反应机制的策略将显著推进催化研究。