可解释机器学习加速双位点催化剂理性设计,用于苯并咪唑协同催化有氧氧化合成
Interpretable Machine Learning Accelerates Rational Design of Dual-Site Catalysts for Synergistic Catalytic Aerobic Oxidative Synthesis of Benzimidazole
ACS Catalysis 刊载的研究用可解释机器学习加速双位点催化剂设计,所得 CoNP-CoSA@NC-800 在 90 °C、9 h、以空气为氧化剂时实现苯并咪唑 100% 转化率和 96% 选择性。控制实验与理论计算显示,CoNP 与 CoSA 位点协同,CoNP 改变 d-band center 和电子结构,增强 O2 吸附与活化。该催化剂还具较宽底物范围,并在循环中保持活性。
- 背景
- 苯并咪唑的需氧氧化合成需要多相催化剂同时满足两点:足够高的活性,以及实际使用中站得住的稳定性。难点不只在催化剂本身,还在找催化剂的方式——常规的催化剂优化高度依赖大量实验逐一筛选,配方与操作条件稍有变化就要重做一轮,这使得筛选成为整条路线上的主要成本。合成之外还要兼顾底物适用范围与循环使用表现,进一步放大了试错量。该研究要解决的正是这一环节:用可解释的机器学习流程加快催化剂选择,并把真正支配性能的变量从数据里识别出来。
- 做法
- 该研究搭了一条可解释机器学习工作流。模型选的是 XGBoost,输入为催化剂描述符与反应条件,输出对应苯并咪唑合成表现,先把"催化剂长什么样、在什么条件下反应"与"合成结果"建立关联。随后用偏依赖图(PDP)分析这个已训练的模型,从描述符与条件的响应关系中读出有利的催化剂组成和操作窗口——这一步把模型从单纯预测工具变成了给出设计方向的工具。按模型指引,研究团队制备了钴基双位点催化剂 CoNP-CoSA@NC-800。性能评价放在温和条件下进行:90 °C、9 h,以空气(atmospheric air)为氧化剂。除转化率与选择性外,还考察了底物范围与循环使用中的活性保持情况。整套路径的关键差异在于,催化剂组成与操作窗口是先由模型圈定再进入实验,而不是从候选库里逐个试。
- 结论
- 在 90 °C、9 h、以空气为氧化剂的条件下,CoNP-CoSA@NC-800 给出 100% 转化率和 96% 的苯并咪唑选择性。该材料对较宽的底物范围具有耐受性;在循环使用过程中活性得以保持。这两项结果是该研究在活性之外对"实用稳定性"的回应:底物适用面说明它不局限于单一底物,循环数据说明反复使用后性能未明显衰减。性能数字对应的是模型指引下选出的这一个配方,即 XGBoost 加 PDP 给出的有利组成与操作窗口经实验制备后的实测值。
- 机制
- 为什么双位点优于单一位点,该研究用对照实验与理论计算给出解释:Co 纳米颗粒(CoNP)与 Co 单原子(CoSA)位点之间存在协同。CoNP 组分改变了 CoNP-CoSA@NC-800 的 d 带中心与电子结构,这一电子结构上的调整增强了 O2 的吸附与活化,进而促进苯并咪唑的生成。也就是说,性能提升不是来自位点数量的简单叠加,而是 CoNP 通过调节电子结构改写了 CoSA 一侧所处的反应环境。
- 意义
- 这项工作把催化剂选择的顺序倒了过来:先由 XGBoost 与 PDP 从描述符和反应条件中读出有利组成与操作窗口,再由实验制备并验证,减少了盲目筛选的轮次。对需要同时兼顾活性与稳定性的多相催化剂开发,它提供的是一条可复用的"描述符—条件—性能"关联路径;对做苯并咪唑需氧氧化合成的研究者,CoNP-CoSA@NC-800 在 90 °C、9 h、空气氧化剂下 100% 转化率与 96% 选择性的实测结果,以及 CoNP 调节 d 带中心、增强 O2 活化的协同证据,构成了可直接对照的基准点和设计依据。
原文摘要
出版方登记 · CrossrefThe aerobic oxidative synthesis of benzimidazole requires heterogeneous catalysts that combine high activity with practical stability. Because conventional catalyst optimization depends heavily on laborious experimental screening, we established an interpretable machine learning (ML) workflow to accelerate catalyst selection and identify the variables governing performance. An XGBoost model was trained to relate catalyst descriptors and reaction conditions to benzimidazole synthesis, and partial-dependence-plot (PDP) analysis was used to determine favorable catalyst compositions and operating windows. Guided by the model, we prepared the cobalt-based dual-site catalyst CoNP-CoSA@NC-800. Under mild conditions (90 °C, 9 h) with atmospheric air as the oxidant, this material delivered 100% conversion and 96% benzimidazole selectivity. It also tolerated a broad range of substrates and retained its activity during recycling. Control experiments and theoretical calculations indicate that the Co nanoparticle (CoNP) and Co single atom (CoSA) sites act cooperatively: the CoNP component modifies the d-band center and electronic structure of CoNP-CoSA@NC-800, thereby enhancing O2 adsorption and activation to facilitate benzimidazole formation.
页面未能读取全文,以上为出版方登记的摘要;方法与图表见原文
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:ACS Catalysis · doi.org