为你的研发加速：百万配方的研发模式
1,000,000个不同配比的催化剂要多久才能合成出来？这项任务对于传统的合成方式是个极大的挑战（>10年）, 而杭州纳威高通新材料技术有限公司的Nanonov-C2Fast合成系统用1年时间就可以实现。那么这个新型的研发模式到底是何方神圣？小编来为您揭开神秘面纱。
Nanonov-C2Fast合成系统是将化学合成手段与高精印刷技术相结合形成的一套新型研发模式，该研发模式是将设计好的新材料配方通过打印的方式一次性合成出来（最快的合成速率达百万配方/小时），对这些新材料进行筛选，从中找到更优的配方组成。
这种研发模式包含两个大的方面：打印合成过程和筛选过程。打印合成过程包括研发可打印墨水、设计新材料配方库、一次性打印合成新材料；筛选过程是根据现有的测试条件对已合成出的新材料选用不同策略进行筛选，从中找到较优的新材料配方。Nanonov-C2Fast合成系统的硬件设备如图一所示。
图一 Nanonov-C2Fast喷墨打印合成系统
浙江大学化学系范杰教授课题组近期在ACS Comb. Sci. （DOI: 10.1021/acscombsci.6b00108）上发表的文章Fast Optimization of LiMgMnOx/La2O3 Catalysts for the Oxidative Coupling of Methane就是利用该套合成系统进行甲烷氧化偶联反应（OCM）催化剂的研究（第一作者为博士研究生李志年）。他们在643的组成空间里快速合成出2048种不同配方的催化剂，通过筛选实验获得最佳的配方组成。图二为甲烷氧化偶联反应（OCM）催化剂的研发模式示意图，下面将对该文章做进一步剖析。
图二 甲烷氧化偶联反应（OCM）催化剂的研发模式
1、打印合成催化剂
这个过程实质是计算机软件控制不同元素的可打印墨水，按照配方指令输出的过程。软件控制的参数与实际催化剂的配方参数是不同的，所以需要制定每种墨水的打印标准曲线，将软件参数与实际参数对应起来。例如，在这组催化剂中，Li、Mn、Mg的摩尔比参数变化区间是（0，1）；软件识别的是CMYK色彩参数，参数变化区间为[0,100]。每一种墨水对应一个墨路，每一个墨路由一种色彩参数控制。制定标准曲线的过程就是选取不同的色彩参数控制墨水输出，得到实际的摩尔比。由这些色彩参数-实际摩尔比获得标准曲线，在研究新材料配方的过程中根据实际摩尔比就可以换算出色彩参数。制定标准曲线后进行催化剂库的设计，开始大规模的合成与筛选实验。
2、分组筛选策略
一次性合成出成百上千种不同的催化剂，对每一种催化剂做高温条件的甲烷氧化偶联反应实验是一个巨大的工程量，文中采取分组筛选的策略仅仅用了32次催化实验就完成了，在700 oC下获得的C2收率由最低的2.8%变到了10.87%。
由文中信息得知，作者在第一轮实验中设计了64*8=512种配方，其中8代表这一轮被分成了8组，64代表每一组中含有64个不同的配方。以组为单位进行催化实验，认为实验得到的结果是这个组中所有催化剂的平均值。从第一轮的8个组中选取C2收率最高的一个组，对这个组继续细分下去，即把这个空间分裂成更小的8个组，再进行合成及催化实验。以此类推下去，直到获得最好的组分。
当然，这套系统研发模式不局限在烷烃活化领域，瞧瞧下面这些文章，正是应用Nanonov-C2Fast完成的。Nanonov-C2Fast系统报道的第一篇论文是关于复合介孔金属氧化物的光催化应用，发表在Nano Lett.上（第一作者为刘小闹博士），论文用实例告诉大家Nanonov-C2Fast可以实现周期表中大部分元素的打印合成。随后范老师课题组又用Nanonov-C2Fast系统实现了VOCs去除催化剂的筛选（第一作者为黄芬芬），采用Cu,Ce,Zr为主要成分，经过分组筛选，正己烷完全燃烧的转化率由第一轮的13%提升至第三轮的90%。
Nanonov-C2Fast系统的优异表现不仅引起了国内研究人员的广泛兴趣，同时也迅速地推广到了国外的其他研究小组。加州理工学院人工光合作用研究中心（JCAP）将Nanonov-C2Fast系统与电化学结合起来，在电解水催化剂的筛选上取得了不错的进展。利用Nanonov-C2Fast可以实现75000 sample/h（图三）的合成速度，再配合他们自主开发的可以实现6-7s检测一个样品的装置，想想这个数据量你就知道高通量合成技术与高通量筛选融合起来有多震撼了！
图三 75000 sample/h的打印样品
点评：1) 催化剂合成筛选是件体力活，那么遵从发展的规律，能用机器干的，最好不用人来做（或者说人不够，机器凑），这个我想随着Nanonov-C2Fast的进一步完善，是很有可能实现的；2) 筛选是大自然（上帝）一直在干的事情，那么努力向大自然看齐总是没错的。从合成和筛选的角度来看，可以做的工作实在太多了，所以，Nanonov-C2Fast或许也可以加速你的研究！实际上，高通量合成的概念在药物开发，生命科学领域也已经有不少的报导了（Scientific Reports 2016, 6, 37137; Genome biology 2010, 11, R15–R15）。 3) 在高通量筛选的基础上更进一步，还有化学领域的人工智能(或者机器人化学家，Nature 427, 2004, 247-252)。实际上，在有机合成领域，人们已经开始研发“化学脑”，期待利用机器人来进行有机合成，那么将时间放到无数年之后，畅想一下未来，是否有一天因为这种加速的研发模式能够真正做到合成生命？
为方便研友们进行学术讨论，研之成理也开创了自己的QQ群，1号群：已满；2号群：已满；3号群：585629919。欢迎大家加入进行激烈的学术讨论！
本文版权属于研之成理，转载请通过QQ联系我们，未经许可请勿盗版，谢谢！
长按下图识别图中二维码或者搜索微信号rationalscience，轻松关注我们，谢谢！