CO2加氫催化反應(yīng)具有制備可再生能源和化學品的前景,但是目前缺少高效和選擇性的催化劑。過渡金屬氧化物催化劑,尤其是CoO,具有很好的CO2加氫催化活性,而且催化活性與晶相和形貌密切相關(guān)。
通過合成膠體納米粒子過程精確調(diào)控CoO的催化劑有助于催化劑和催化反應(yīng)過程的發(fā)展。但是膠體納米粒子的合成步驟和過程非常復雜,許多變量能夠影響合成過程,因此如何系統(tǒng)的控制催化劑的性質(zhì)變得具有非常大挑戰(zhàn)。
有鑒于此,南加州大學Richard L. Brutchey、Noah Malmstadt、可再生能源實驗室Susan E. Habas等報道多重變量Bayesian優(yōu)化方法與數(shù)據(jù)驅(qū)動的分類器結(jié)合,描述膠體CoO納米粒子的合成空間,而且能夠在同一晶相同時優(yōu)化多個參數(shù)。
參考文獻
Lanja R. Karadaghi, Emily M. Williamson, Anh T. To, Allison P. Forsberg, Kyle D. Crans, Craig L. Perkins, Steven C. Hayden, Nicole J. LiBretto, Frederick G. Baddour, Daniel A. Ruddy, Noah Malmstadt*, Susan E. Habas*, and Richard L. Brutchey*, Multivariate Bayesian Optimization of CoO Nanoparticles for CO2 Hydrogenation Catalysis, J. Am. Chem. Soc. 2024
DOI: 10.1021/jacs.4c03789
https://pubs.acs.org/doi/10.1021/jacs.4c03789