深度科學| Sargent院士Nat. Catal.: 酸性OER催化劑智能設計

編者語：

“利用“混合加速”策略，在379次實驗中發現7種高性能釕基催化劑，破解酸性水電解制氫關鍵難題。”

01

背景介紹

隨著全球碳中和進程的加速，綠氫作為最具潛力的清潔能源載體，正迎來爆發式增長。目前全球氫能年需求已超過9700萬噸，但其中99%仍通過化石燃料制取，伴隨大量碳排放。質子交換膜水電解（PEMWE）技術能夠利用可再生能源將水高效轉化為綠色氫氣，被視為實現綠氫大規模應用的關鍵路徑。

然而，PEMWE技術面臨一個核心瓶頸：其工作環境為強酸性條件，在此條件下能穩定工作的析氧反應（OER）催化劑極為有限。目前商用PEMWE系統完全依賴銥基催化劑，但銥是地殼中最稀有的元素之一，價格高昂（超過150美元/克），嚴重制約了電解槽的大規模部署。二氧化釕（RuO2）是一種有前景的替代品，成本較低且活性更高。但釕基催化劑在酸性環境中穩定性差，運行時釕會持續溶解，導致電池性能快速衰減。通過將釕與其他金屬形成多元金屬氧化物是提高穩定性的有效策略，但可能的元素組合高達數百萬種，傳統“試錯法”研發模式效率低下。

圖1. 質子交換膜水電解（PEMWE）技術

2026年01月06日，加拿大多倫多大學Edward H. Sargent院士和Jason Hattrick-Simpers團隊在Nature Catalysis期刊發表題為“Stable acidic oxygen-evolving catalyst discovery through mixed accelerations”的研究論文。開發了一種名為 “混合加速”（Mixed Acceleration, MA）的新方法，將人工智能與高通量實驗深度結合，成功從浩渺的化學空間中快速鎖定高性能催化劑。該研究團隊通過379次實驗驗證，從龐大的釕基多元氧化物設計空間中，成功篩選出7種性能超越現有帕累托前沿的催化劑，其中最優的Ru0.5Zr0.1Zn0.4Ox在10 mA cm?2下實現了194 mV的過電位，且釕溶解率比商用RuO2降低了12倍，為解決PEMWE技術瓶頸提供了新的解決方案。

圖2. 圖文總覽

02

圖文解析

1. MA工作流程：三級篩選模型

MA工作流程（圖3）的核心是三個層層遞進的機器學習模型，這構成了一個高效的“篩選漏斗”：

（1）第一級：合成預測模型

基于溶膠-凝膠法合成特點，預測哪些元素組合能夠成功形成凝膠，使用遷移學習技術，從材料數據庫提取元素特征，準確率高達91%，這避免無效合成嘗試，將實驗效率提升3倍以上。

（2）第二級：活性預測模型

預測哪些材料具有高析氧活性（過電位低于220 mV），僅選擇活性達標材料進入下一階段，避免不必要的穩定性測試。

（3）第三級：穩定性預測模型

創新性地結合實驗描述符（XRD、XRF表征數據）與理論描述符，準確預測釕溶解率，指導最終的重點驗證實驗。

圖3.“混合加速”工作流程

2.高通量實驗平臺：10 min完成一個樣品的全流程測試

研究團隊構建了自動化實驗系統，實現并行處理50個樣品，定制模具可同時進行60個樣品批量XRD/XRF測試，專用陣列反應器，大幅縮短電化學快速篩選測試時間，該平臺將單個樣品的全流程測試時間從數天縮短至約10 min。研究團隊通過五輪迭代實驗，系統性地測試了“混合加速”方法在從包含釕和其他42種元素的廣闊化學空間中篩選高穩定性釕基催化劑的有效性（圖4），五輪實驗依次采用了不同的篩選策略：首輪建立初始三元體系數據集；次輪隨機選擇四元組合作為基線；第三輪依據專家直覺；第四輪由凝膠化和活性模型聯合指導；最后一輪則完全由完整的“混合加速”框架驅動，從預測可合成且高活性的候選材料中進一步篩選高穩定性催化劑。在總共379次合成嘗試中，預測性凝膠化模型實現了91%的準確率，而在其指導下的一輪實驗，凝膠化成功率達到了100%。

圖4. 混合金屬氧化釕溶膠-凝膠合成法

3.性能突破：7種材料超越帕累托前沿

經過五輪迭代實驗（I1-I5），MA策略展現出顯著優勢。I5輪發現的材料中位釕溶解率降至0.34%，較初始輪次提升約3倍，最佳材料Ru0.5Zr0.1Zn0.4Ox過電位194 mV，溶解率比RuO2低12倍。并且，7種材料成功突破原有帕累托前沿，實現活性與穩定性的協同提升。

關鍵發現：鋅/鋯的穩定化作用

（1）鋅在5種最優材料中出現，顯著提升穩定性

（2）鋯添加進一步降低鋅的溶出，起到“穩定劑的穩定劑”作用

（3）堿性金屬（銣、銫）提升活性但損害穩定性，揭示性能權衡關系

圖5. OER活性

4.機理深入：揭示“犧牲摻雜”穩定機制

通過深入表征發現，新材料穩定性提升源于獨特的“犧牲摻雜”機制：

（1）動態重構過程

鋅、鎳等摻雜元素在反應初期部分溶出（>20%），此過程調控釕的局部配位環境，抑制過度氧化，鋯添加進一步穩定結構，減緩重構過程。

（2）電子結構調控

XPS分析顯示穩定性材料初始釕氧化態較低，反應后Ru4+含量保持穩定，避免活性位點損失，電化學阻抗證實活性表面積保持穩定。特別是鋯的引入，不僅自身穩定，還能減緩其他元素（如鋅）的溶出，并抑制釕氧化態在反應過程中的劇烈變化，起到了穩定催化劑整體結構的關鍵作用。研究發現，由實驗獲得的“加權普貝圖分解能”是預測穩定性的最重要特征，它與釕溶出率呈正相關（圖6）。

圖6. OER穩定性預測

03

總結

該研究成功開發并驗證了“混合加速”這一創新工作流程，它通過分層模型將復雜的酸性析氧穩定性挑戰分解為可管理的步驟——材料合成、析氧活性和析氧穩定性預測，研究代表了AI驅動材料發現領域的重要突破。其核心貢獻在于，通過融合高通量實驗產生的實時數據與理論描述符，構建了更貼近真實材料狀態的混合特征，從而有效地橋接了理論材料表征與實際催化性能之間的鴻溝。這種“實驗引導計算”的新范式，為復雜材料體系的理性設計提供了可復制的技術路徑。

04

展望(巨人肩上前行)

1. 將當前平臺擴展至自主駕駛實驗室，實現“設計-合成-測試-分析”全流程閉環優化；

2. 利用超快光譜和原位表征技術，實時追蹤催化劑在工況下的動態演化過程。

文獻信息

Yang Bai, Kangming Li, Ning Han, Jiheon Kim, Runze Zhang, Suhas Mahesh, Ali Shayesteh Zeraati, Brandon R. Sutherland, Kelvin Chow, Yongxiang Liang, Sjoerd Hoogland, Jianan Erick Huang, David Sinton, Edward H. Sargent & Jason Hattrick-Simpers, Stable acidic oxygen-evolving catalyst discovery through mixed accelerations, Nature Catalysis, 2026, https://doi.org/10.1038/s41929-025-01463-x.

聲明：

1. 版權：推送內容僅供學習交流分享使用，無任何商業用途，如有侵權，請聯系后臺刪除或修改，感謝支持。

2. 投稿：非常歡迎各位老師在公眾號上介紹課題組前沿或經典研究成果！后臺或郵箱聯系即可！