AI+自動化：165倍加速CO?轉化C?烯烴催化劑發現，揭開CO?還原新機制

閱讀：282 發布時間：2026-1-16

在碳中和目標的推動下，將二氧化碳（CO?）電催化轉化為高附加值化學品，成為綠色能源研究的前沿方向。近期，來自多倫多大學的教授 David Sinton 和其他機構組成的研究團隊在《Joule》發表了一項研究成果“Accelerated discovery of CO2-to-C3-hydrocarbon electrocatalysts with human-in-the-loop" 通過集成自動化、機器學習與專家知識，成功發現了一種高效將 CO? 轉化為丙烯（C?烴）的電催化劑，不僅效率顯著，還揭示了 CO? 還原反應的新路徑。

自動化平臺：從“手工試錯"到“智能實驗"

傳統催化劑研發依賴“試錯式"實驗，周期長、效率低，難以應對多元素、多變量體系的復雜性，往往卡在樣品制備、測試標準化與數據品質等瓶頸。研究團隊構建了一套“人機協同"的探索框架，結合了自動化實驗平臺（高通量合成與測試）、機器學習，并加以人類專家實時修正模型預測，此平臺可在 15 元素空間中高效篩選出性能優異的 CO?-to-C?（丙烯）電催化劑，整體效率提升高達 165 倍，為能源材料領域帶來了新突破。

“自動化＋AI＋專家"

能源材料發現新范式

1.自動化合成：機器人“代班"實驗員

研究中使用了 Chemspeed 的自動化合成平臺，實現了自動化高通量電催化劑合成。平臺上集成了多種模塊化全自動工具，可精準控制金屬前驅體比例、還原劑添加，進行離心與清洗步驟，28 小時內可完成 60 種催化劑的合成，比人工操作提速 34 倍，這使得過去需數周甚至數月的實驗，如今在幾天內即可完成，數據質量也更有保障。

催化劑墨水也在平臺上自動制備，并均勻地滴涂在氣體擴散層（GDL）上，形成電極。自動制備電極的重復性良好，避免了人工操作帶來的批次差異，為后續測試提供穩定基礎。

圖一）研究中使用的 Chemspeed 自動化合成平臺

研究團隊進一步把自動化落實到 10 通道的膜電極組（MEA）并行測試，其 10 通道膜電極反應器（MEA）系統，可同時測試 30 種催化劑的 CO? 還原性能，使整個實驗流程的效率進一步提升。研究結果顯示，新的加速實驗平臺為整個工作流程加速了約 33 倍。

圖二）加速 CO? 催化劑研究工作的流程

2.人機協同：專家知識“實時注入"

自動化不僅為了提升了實驗速度，其意義更重于通過標準化數據流程，為機器學習模型提供高質量訓練數據，為后續的機器學習奠定扎實基礎。在這次研究中，研究團隊采用可解釋的廣義加法模型（GAM），允許專家在實驗過程中實時調整模型參數，將化學直覺轉化為可迭代的演算法，避免模型“誤入歧途"，研究發現，專家知識的介入可將實驗提速約 5 倍。每一輪實驗后，模型自動重訓練并預測下一批候選材料，實現閉環優化。僅通過 5 輪迭代，便從數千種組合中鎖定 Cu?.??In?.?? 這一高性能催化劑，顯著提升目標產物丙烯的產率。

總括而言，整個工作流程相較傳統貝葉斯引導的批量篩選方法總體加速約 165 倍，其中約 33 倍來自新的加速實驗平臺，另有約 5 倍來自專家知識的介入，充分顯示了人機協同的疊加效應。

在這場與時間賽跑的碳中和競賽中，自動化技術正成為科學家可靠的“加速器"。自動化技術不僅是提效工具，更通過標準化流程和數據驅動決策，增強了研究的可重復性和可擴展性。通過構建標準化、可擴展、數據驅動的實驗平臺，以人機協同的方式，注入專家智識的力量，這方式將成為推動材料科學轉變的核心驅動力，實現未來能源材料領域的新突破。

參考文獻：

Accelerated discovery of CO2-to-C3-hydrocarbon electrocatalysts with human-in-the-loop.
doi.org/10.1016/j.joule.2025.102213

AI+自動化：165倍加速CO?轉化C?烯烴催化劑發現，揭開CO?還原新機制

會員登錄

收藏該商鋪

提示