《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
  • 《我国科学家在水煤气变换(WGS)制氢研究中取得进展》

    • 来源专题:能源情报网信息监测服务平台
    • 编译者:guokm
    • 发布时间:2021-02-01
    • 中国科学报官网获悉,作为清洁能源的典型代表,氢能备受推崇,但由于其化学性质活泼,制取、储运过程的效率和安全问题一直困扰着产业界和学术界。 北京大学化学与分子工程学院教授马丁团队与大连理工大学教授石川团队、中国科学院大学教授周武团队等的联合研究取得新进展,相关成果日前发表于《自然》。 研究团队设计合成了高密度、高分散的原子级金属铂(Pt)物种和立方相碳化钼(α-MoC)组成的界面催化结构,制备出一种高效、稳定的Pt/α-MoC催化剂。该催化剂可用于催化水煤气变换(WGS)制氢反应,这也是迄今报道的催化性能最佳的WGS催化剂。 WGS反应是能源化工领域制取纯氢重要方式之一。受化学平衡限制,WGS反应在低温进行更有利,这对催化剂活性和耐久性提出了更高要求。 早在2017年,马丁团队等就在《自然》《科学》上报道了Pt/α-MoC和Au/α-MoC催化剂可在低温下实现极高产氢效率,开辟了WGS高效制氢、粗氢提纯等新途径。 “α-MoC具有优异的解离水分子(H2O)性质,室温即可实现H2O的解离并释放氢气。但是,一定温度下表面吸附解离的羟基物种如不能及时转化,在长效催化过程中就存在深度氧化α-MoC,从而导致催化剂失活的问题。因此,如何实现H2O和一氧化碳(CO)吸附活化速率的完美匹配,是进一步提高催化剂反应活性及长效稳定性的关键科学问题。”石川告诉《中国科学报》。 此次,研究团队构建了高密度、高分散的原子级Pt物种和α-MoC组成的界面催化体系,直接观察到H2O在α-MoC表面的解离路径,同时,高密度原子级Pt物种的存在有效促进了CO吸附活化,不仅增强了H2O解离产生活性氧物种的快速反应和脱附,同时开辟了基于CO直接解离步骤的低温协同制氢新路径。 “与其他WGS催化剂相比,Pt/α-MoC催化剂具有更高活性和更宽反应温度范围,可以实现低温制氢,同时研究人员还找到了稳定Pt /α-MoC催化剂的方法。”马丁说。 据了解,Pt/α-MoC催化剂突破了美国能源部2004年车载燃料电池发展规划所推算的催化活性限值,具有较好的应用前景。美国化学会以催化剂助力燃料电池汽车发展为题进行了报道,认为这是一个重要发现。 目前,相关制备Pt /α-MoC催化剂技术已申请专利。马丁表示,通过研究Pt /α-MoC催化剂机理,研究团队还揭示出该催化剂高效原因,为后续高效催化剂研制提供了新思路。
  • 《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。