《我国科学家在抗烧结催化剂研究中取得新进展》

  • 来源专题:能源情报网监测服务平台
  • 编译者: 郭楷模
  • 发布时间:2025-03-11
  • 记者从中国科学技术大学获悉,该校曾杰教授团队通过构筑纳米岛结构催化剂,攻克了甲烷干重整反应中催化剂极易烧结失活的难题。相关研究成果3月10日发表于国际学术期刊《自然 材料》。

    超细金属纳米颗粒因其超高的原子利用率,在多相催化领域备受青睐。然而,在催化反应过程中,这些纳米颗粒极易受到高温等影响,从而自发聚集并导致活性降低,该过程被称作烧结。发展超细金属纳米颗粒的抗烧结策略,是催化科学领域亟待解决的关键难题。

    此次研究工作中,研究人员基于对烧结路径的深入理解,创制了一种纳米岛结构催化剂。具体而言,研究人员在载体与金属颗粒之间嵌入一种均匀分布、小尺寸且互不相连的金属氧化物团簇,其因岛状结构被命名为纳米岛。相较于载体,纳米岛对金属颗粒锚定更强,因此颗粒无法整体迁移烧结。此外,纳米岛之间互不相连,从颗粒表面脱离的金属原子难以跨岛迁移。通过同时切断两种烧结路径,纳米岛结构有望显著提升催化剂的抗烧结性能。

    为构筑纳米岛结构催化剂,研究人员首先在氧化物与载体间构建强吸附作用,通过高温受控团聚获得小尺寸、高密度的氧化物纳米岛。通过将电性匹配原理和溶剂蒸发结合,研究人员实现了金属在纳米岛上的精准落位。针对常见的载体、纳米岛、活性金属,研究人员发展了纳米岛结构催化剂的材料库。其中,二氧化硅负载的氧化镧纳米岛对钌纳米颗粒的稳定效果尤为突出。研究人员将该催化剂应用于甲烷干重整反应以验证其抗烧结性能。此反应因其在温室气体资源化利用方面的巨大潜力而备受关注。

    实验结果表明,该催化剂能够实现单程400小时的稳定转化,且反应后钌纳米颗粒的尺寸仍维持在1.4纳米,完美应对了因高温等因素导致的失活困局。通过定制活性金属和载体,纳米岛结构催化剂有望为多种催化反应中所面临的烧结失活难题提供切实可行的解决方案。

  • 原文来源:https://www.cnenergynews.cn/kejizhuangbei/2025/03/11/detail_20250311203655.html
相关报告
  • 《铁基薄膜催化剂清洁应用研究取得新进展》

    • 来源专题:中国科学院文献情报先进能源知识资源中心 |领域情报网
    • 编译者:guokm
    • 发布时间:2019-07-16
    • 挥发性有机化合物(VOCs)被普遍认为是引起全球空气污染的主要因素。VOCs组分各异,主要形成于化工、电力和医药植物、机动车辆和飞机尾气、加油站、石油精炼、印刷、食品加工、汽车以及纺织制造业等工业制作及运输过程。近年来,随着人口、工业化、交通和城镇化的快速增长,发展中国家雾霾污染异常严重且持续存在。例如,到2020年,中国的VOCs排放量预计将比2005年增长49%。因此,目前除了对VOCs排放进行严格控制外,迫切需要开发和应用高效脱除VOCs的方法和技术。   工程热物理研究所新技术实验室燃烧化学团队采用脉冲雾化热蒸发化学气相沉积(PSE-CVD,见图1)法制备了一系列高活性低成本的铁基过渡金属氧化物薄膜催化剂,并将其应用于工业废气模型组分(C2H2+CO)的催化脱除上。结果表明PSE-CVD能制备出物相可控的铁氧化物,且物相与形貌紧密相关。利用课题组发展的发射傅立叶红外变换光谱测得Fe-O的伸缩振动特征峰位于455和530波数,铁氧化物的程序升温还原特性顺序为Fe2O3→Fe3O4→FeO。从催化测试结果(见图1)可以看出,铁基薄膜具有优异的催化性能,具有广阔的应用前景。此外,量化计算结果指出CO等分子在铁氧化物表面反应过程中,与吸附氧反应的能垒最低,表面LH和ER机理比氧化还原反应机理(MvK)更加合理(见图2)。   上述研究是在科技部重点研发计划和中央组织青年相关人才计划资助下完成的。相关研究成果发表在Proc. Combust. Inst. [37 (2019) 5445-5453] 和J. Taiwan Inst. Chem. Eng. [93 (2018) 427-435]上。
  • 《我国科学家取得智能光芯片研究新进展》

    • 来源专题:能源情报网监测服务平台
    • 编译者:郭楷模
    • 发布时间:2024-08-12
    • 清华大学电子工程系方璐教授课题组和自动化系戴琼海院士课题组日前实现了光计算系统大规模神经网络的高效精准训练。该研究成果以“光神经网络全前向训练”为题,于北京时间8月7日晚在线发表于《自然》期刊。 人工智能大模型的迅猛发展与广泛应用,使得算力成为重大的战略抓手与基础设施。长期以来电子芯片的算力增长支撑着AI模型规模的不断发展,然而其高能耗亦带来了前所未有的能源挑战,新兴计算范式的建立与发展迫在眉睫。以光为计算媒介,以光的可控传播构建计算模型,光计算以其高算力低能耗特性打开了智能计算的新赛道,在后摩尔时代展现出巨大的潜力。 训练和推理是AI大模型核心能力的两大基石,缺一不可。相较于推理而言,模型训练对算力更为急需,然而电训练架构要求前向-反向传播模型高度匹配,这对光计算物理系统的精准对齐提出了苛刻的要求,致使梯度计算难、离线建模慢、映射误差大,极大地禁锢了光训练的规模与效率。 清华大学电子工程系方璐教授课题组、自动化系戴琼海教授课题组构建了光子传播对称性模型,摒弃了电训练反向传播范式,首创了全前向智能光计算训练架构,研制了通用光训练芯片“太极-II”,摆脱了对离线训练的依赖,支撑智能系统的高效精准光训练。“太极-II”的面世,填补了智能光计算在大规模训练这一核心拼图的空白。