【宁夏大学新闻中心讯 前沿科学与技术学部】近日，宁夏大学化学化工学院张鹏飞课题组在机器学习筛选高熵氧化物催化剂研究方面取得进展。该工作以“Machine Learning Accelerated Discovery of Entropy-Stabilized Oxide Catalysts for Catalytic Oxidation”为题发表在国际顶级期刊《Journal of the American Chemical Society》。该论文第一作者为博士生段晓岚，张鹏飞教授为唯一通讯作者，宁夏大学为第一完成单位。

一元至三元金属氧化物的催化性能已通过实验得到了充分研究，而剩下的探索空间似乎仅限于高熵金属氧化物（HEOs，元素种类≥5）。然而，由于元素组成无数，通过试错法发现HEO催化剂变得不可能。本文基于ACr₂O_x催化剂体系的晶相和催化性能研究，由于通过相应高精度机器学习模型（交叉验证分数>0.7）获得的元素重要性序列相似，推断出单一尖晶石相与CH₄氧化良好催化活性之间存在强相关性。此外，通过搜索负数据并选择适当的训练数据，建立了高质量的回归模型，以搜索性能更佳的催化剂。最终，筛选出的打破常规的催化剂Ni_0.04Co_0.48Zn_0.36V_0.12Cr₂O_x具有出色的抗硫和抗水性以及长期稳定性（>7000小时，T₉₀=345°C），这项研究展示了将机器学习方法应用于发现针对目标过程的高熵金属氧化物的潜力。

张鹏飞教授团队聚焦高熵氧化物的催化机制研究，自2022年以来，以宁夏大学作为第一单位先后在Nature Commun., JACS, AIChE., Chem. Eng. Sci., IECR, AppliedCatal. B., J.Catal., Chem. Eng. J.,等化工领域期刊发表论文20多篇；获得中国化工学会科技进步二等奖、中国石油化工联合会科技进步二等奖、中国颗粒学会技术发明二等奖、江西省自然科学二等奖等多项荣誉。

文章链接：Machine Learning Accelerated Discovery of Entropy-Stabilized Oxide Catalysts for Catalytic Oxidation, Journal of the American Chemical Society, 2024. https://doi.org/10.1021/jacs.4c12838