孙茹宇, 祁曼, 赵亚文, 吕永利, 王丽, 延卫
录用日期: 2025-08-29
孙茹宇, 祁曼, 赵亚文, 吕永利, 王丽, 延卫. 电催化CO2还原制甲醇及机器学习赋能[J]. 化学进展, 0, ():
33.
Ruyu Sun, Man Qi, Yawen Zhao, Yongli Lv, Li Wang, Wei Yan. Electrocatalytic CO2 Reduction to Methanol and Machine Learning Assistance[J]. Progress in Chemistry, 0, ():
33.
随着全球对二氧化碳排放的关注日益增加,电催化二氧化碳还原(ECO2R)制甲醇在碳达峰背景下显得尤为重要。然而现有ECO2R催化剂在活性、选择性和稳定性等方面仍存在一些挑战,限制了其实际应用,这使得开发高效催化剂成为该领域的核心研究方向。传统的催化剂设计是通过试错法进行,效率十分低下。因此,需要寻找新的加速催化剂开发的方法。随着AI的快速发展,机器学习逐渐成为推动催化剂研发的重要工具。本文系统综述了ECO2R制甲醇的反应机理,总结了近年来铜基、非铜基及酞菁基催化剂的最新研究进展。最后介绍了机器学习应用的基本程序,从数据收集到模型验证,并重点阐述了其在催化剂活性预测、催化剂设计及优化方面的应用。尽管机器学习在ECO2R研究取得了显著进展,但仍存在若干挑战,包括数据稀缺、模型可解释性不足以及缺乏通用预测框架等。未来研究应致力于构建高质量的催化剂数据库,提升模型的可解释性和泛化能力。本综述旨在为ECO2R制甲醇的催化剂设计提供全面的视角,并强调机器学习在推动该领域实现突破性进展中的关键作用。