首頁 > 行業資訊

劉智攀Chem. Sci.:人工智能助力解決催化甘油氫解選擇性

專題網友投稿2022-07-04A+A-

劉智攀Chem. Sci.:人工智能助力解決催化甘油氫解選擇性

CTR 催化開天地
催化開天地

catalysisworld

催化開天地(Catalysis Opens New World),分享催化基本知識,關注催化前沿研究動態,我們只專注于催化!

收錄于合集
【做計算 找華算】 理論計算助攻頂刊,10000+成功案例,全職海歸技術團隊、正版商業軟件版權!
經費預存選華算,高至15%預存增值!

分子和催化劑表面之間復雜的相互作用導致理解和預測多相催化中的活性和選擇性非常困難。基于此, 復旦大學 劉智攀教授(通訊作者) 等人報道了一個用于多相催化系統的活性預測的端到端(end-to-end)的人工智能框架(AI-Cat方法),該框架從分子和金屬催化劑的名稱中獲取簡單的輸入,并將輸入分子的反應能量分布輸出到低能量通路產品。

AI-Cat方法結合了兩種神經網絡模型,一種用于預測反應模式,另一種用于提供反應勢壘和能量,通過Monte Carlo樹搜索來解決反應網絡中的低能量路徑。然后,作者應用AI-Cat解決了Cu表面上甘油氫解的反應網絡,這是一種典型的選擇性C-O鍵活化系統,對生物質衍生多元醇的利用具有關鍵意義。作者表明甘油氫解具有相關候選物的巨大反應網絡,包含420個反應中間體和2467個基本反應。

其中,表面介導的烯醇-酮互變異構共振是促進初級C-OH鍵斷裂的關鍵步驟,因此選擇1, 2-丙二醇作為Cu催化劑的主要產物。1, 3-丙二醇只有在強酸性條件和高表面H覆蓋率下才能通過氫化-脫水途徑生產。AI-Cat進一步發現了金屬上C-O鍵活化的六種低能反應模式,這對多元醇催化具有普遍意義。該結果表明復雜多相催化的反應預測現在可以通過基于AI的原子模擬和Monte Carlo樹搜索來實現。

Artificial Intelligence Pathway Search to Resolve Catalytic Glycerol Hydrogenolysis Selectivity. Chem. Sci., 2022 , DOI: 10.1039/D2SC02107B.

https://doi.org/10.1039/D2SC02107B.

TEM、球差云視頻,加急測!

球差、冷凍電鏡、原位TEM、HR-TEM、EDS-Mapping、SAED、HADDF-STEM、EELS、ABF-STEM應有盡有!

Science、Nature級別水平! 發頂刊,拍TEM,找我們就對了!

添加下方微信好友, 咨詢張老師:18165785257 (電話同微信)

  點擊閱讀原文,提交計算需求!

相關內容

相關內容

能化大數據平臺 ©2010-2022 All Rights Reserved.  
滬ICP備14007155號-3 網站地圖 化工熱詞舊版本
關于我們| 會員說明| 廣告合作| 聯系我們| 免責聲明| 投稿須知|

能源化工大數據平臺-煤化工網二維碼
在線客服
服務郵箱

服務郵箱

cnmhg168@163.com

微信咨詢
微信
返回頂部
X我的網站名稱

截屏,微信識別二維碼

微信號:anquanhun

(點擊微信號復制,添加好友)

  打開微信

微信號已復制,請打開微信添加咨詢詳情!
久久最新