天津大学钟澄课题组：高通量技术助力构建催化材料数据库

【研究背景】

催化材料的应用占据了大量的产品生产和能量转换过程，对于经济社会的稳定运行具有重要意义。为了满足日益发展的工业社会的需求，迫切需要研究新型高性能催化材料。通常，催化材料的性能不仅与其成分（例如，活性材料组成，掺杂和载体材料等）和微观结构（例如，形貌，界面结构等）密切相关，并且受到其制备过程参数（例如，制备方法，反应温度，压力和反应气氛）等因素的影响。因此，探究新型催化材料的参数空间是巨大的。传统材料研究过程通常依赖于试错法，即每次只调控一个变量，合成和表征一种催化剂，该方法较为繁琐且耗时，探究巨大的参数空间需要成百上千次实验，需要几个月甚至几年的时间，不能满足催化剂材料的产业化应用需求。并且由于试错法探究的参数范围有限，造成催化材料仅是局部空间最优，并不是全局空间中最佳性能。此外，多维参数空间中材料性能与材料结构和组分等因素的关系是复杂的，揭示材料结构-性能的构效关系，对于指导催化材料的设计具有重要意义。

高通量技术可以一次快速合成表征多种催化材料，极大的提升了催化剂研究效率。因此，相比于传统的试错法表现出显著的时间和成本优势，对于揭示材料改性的作用机制和建立材料结构-性能的构效关系具有广阔前景。

【成果简介】

近日，天津大学钟澄课题组分析了用于构建材料数据库的高通量技术的关键过程，首先介绍了采用高通量理论计算从电子结构角度分析催化反应机制，机器学习用于揭示材料结构-性能之间的关系，指导催化剂设计。其次，阐述了采用高通量实验方法用于建立材料数据库的过程，并分析了高通量计算和实验之间的关联性，以更好的应用高通量技术促进催化剂的研究。此外，提出了高通量技术用于催化剂研究面临的挑战和未来发展方向，以促进催化材料数据库的构建。相关工作以“Building a Library for Catalysts Research Using High-Throughput Approaches”为题发表在Advanced Functional Materials上，博士生刘晓瑞为该文第一作者。

【内容表述】

图1 高通量技术用于催化材料的过程

高通量技术用于催化研究过程主要包括（1）实验设计;（2）手动或自动制备反应物;（3）构建能够良好地控制反应条件（例如温度和反应时间）的反应器;（4）催化剂的平行表征。首先，实验设计可基于高通量理论计算获得的材料电子结构，以及机器学习分析得到的材料性能与结构之间的关系，定义最有前景的参数搜索空间。随后，基于所识别范围的搜索空间，引入机器臂等方法进行反应物的准备，随后利用可有效调控反应参数的反应器合成多种具备不同参数的催化材料。高通量合成与表征技术相结合，有助于调整设计策略以构建下一次迭代的搜索范围。反馈机制有助于提高候选者与搜索循环中所有阶段的兼容性，并且是减少试验和错误的意义。并且高通量理论计算和高通量实验结果之间相互关联，前者为实验提供指导，高通量实验结果可以作为理论分析的输入数据，用于揭示构效关系，同时验证高通量计算结果的正确性，用于反馈调整计算模型。

尽管高通量技术在催化剂研究中取得了显著进展，但是仍面临诸多挑战，未来研究研究应关注于：

（1）建立高度自动化的催化剂合成平台。需要建立一个涉及反应物制备和反应过程的完全自动化的合成平台，另外，高通量实验的广泛应用受到昂贵的硬件（例如，液体处理机器人）和缺乏控制实验程序的先进软件的限制。因此，迫切需要新颖的合成平台和实现完全自动化的先进软件。

（2）通过高通量表征技术进一步揭示催化剂微观结构。开发用于原位或在线表征催化剂的高通量筛选装置以快速分析催化剂结构至关重要。并应开发高通量合成和表征一体化设备，实现材料的合成和表征同时进行，由于该系统不需要转移材料，因此它缩短了时间，并消除了转移过程中的人为因素。

（3）开发高效智能的数据可视化工具。数据的可视化对于处理含有巨大数据集的高通量实验结果至关重要，从而揭示隐藏的结构-性质相关性，促进发现新型催化剂。

（4）建立高通量理论计算与实验之间的桥梁。高通量计算将微观参数（例如，状态，电子结构和密度）与催化剂的宏观性质（例如，催化活性，选择性和稳定性）相联系。未来的一代和计算模型的目的是开发通用描述符，可用于各种催化剂和不同的反应，以促进催化剂的设计。

（5）通过高通量计算和实验的组合构建催化剂数据库。为促进数据库的建立，需要开发自动化合成策略和先进的算法方法。基于所构建的数据库，可以全面了解催化材料体系，极大加快催化剂的研究进程。

Xiaorui Liu, Bin Liu, Jia Ding, Yida Deng, Xiaopeng Han, Cheng Zhong,* and Wenbin Hu, Building a Library for Catalysts Research Using High-Throughput Approaches, Advanced Functional Materials, https://doi.org/10.1002/adfm.202107862.