乔世璋JACS：机器学习助力研究C-C电偶联机理！

‍

电催化讨论群-1：529627044

理论计算群-2：863569400

电催化还原CO₂反应中的C-C偶联是制备绿色化学品的关键步骤。但是因为CO₂RR反应的反应网络非常复杂，人们对于反应机理仍存在争议，不清楚如何设计和优化催化剂。

有鉴于此，阿德莱德大学乔世璋教授等报道对C-C偶联的前驱分子和催化活性位点设计详细的数据集，从而通过分析大数据的方式研究反应机理以及筛选催化剂。

本文要点

要点1. 通过对大数据集的分析，发现：不对称偶联比对称偶联更容易，其中有利的步骤为CHO和CH/CH₂偶联；通过修饰CuAgNb位点，改善Cu催化剂进行C-C偶联的选择性。

要点2. 作者认为通过大数据研究催化反应机理和催化剂组成之间进行结合有助于加快催化剂设计和优化。

Haobo Li, Xinyu Li, Pengtang Wang, Zhen Zhang, Kenneth Davey, Javen Qinfeng Shi, and Shi-Zhang Qiao*, Machine Learning Big Data Set Analysis Reveals C–C Electro-Coupling Mechanism, J. Am. Chem. Soc. 2024

DOI: 10.1021/jacs.4c09079

https://pubs.acs.org/doi/10.1021/jacs.4c09079

电催化讨论群-1：529627044

光催化群-2：927909706

均相催化与酶催化群-2：929342001

纳米催化群-1：256363607

多孔材料群-2：813094255

理论计算群-2：863569400

同步辐射丨球差电镜丨FIB-TEM

原位XPS、原位XRD、原位Raman、原位FTIR

加急测试

王老师

198 2262 5523

www.micetech.cn