宅中地 - 每日更新
宅中地 - 每日更新

贊助商廣告

X

麻省理工研究人員開發氨電化學合成催化劑預測方法

2026年08月22日 首頁 » 熱門科技

氨是全球產量僅次於硫酸的重要化學品,主要用於生產化肥,對維持世界人口糧食供給至關重要。然而,氨的生產消耗了全球高達2%的能源,並貢獻約1.5%的溫室氣體排放。因此,探索更可持續的氨生產方式已成為當務之急。

傳統氨的生產方式

沿用百年有餘的哈伯-博施法麻省理工研究人員開發氨電化學合成催化劑預測方法目前仍占氨生產的絕大多數份額,該工藝依賴化石燃料提供熱量,所需氫氣同樣主要來源於化石燃料。雖然電化學法作為替代方案早已存在,但在所需生產規模下,其經濟競爭力迄今遠未達到實用水平。

麻省理工學院的研究突破

近日,麻省理工學院的研究人員開發出一種新方法,可預測哪些材料最有潛力作為電化學合成氨麻省理工研究人員開發氨電化學合成催化劑預測方法催化劑。催化劑能夠推動化學反應進行,其特性決定著反應效率的高低。與其花費數年時間逐一測試數百萬種可能的合金組合,這一新方法有望大幅加快篩選進程,從而使低排放電化學法在經濟性上與哈伯-博施法相抗衡。

麻省理工學院核科學與工程及材料科學與工程系布林·科爾教席教授比爾吉·耶爾迪茲表示:"我們的方法能識別出驅動氨合成催化活性的關鍵物理特性,研究結果將為尋找更有效的催化劑化合物提供方向。"

相關開放獲取成果已於8月11日發表在英國皇家化學學會旗下期刊《EES Catalysis》上,論文作者包括耶爾迪茲及材料科學與工程系博士生康斯坦丁·阿塔尼提斯和化學系博士生菲利普·格拉傑夫斯基。

綠色氨生產麻省理工研究人員開發氨電化學合成催化劑預測方法面臨的挑戰

隨著全球人口不斷增長,阿塔尼提斯指出,"我們對糧食的需求只會與日俱增,而人類之所以能養活這麼多人口,正是因為有了化肥。"然而,超過90%的化肥用氨仍由能源密集型哈伯-博施法生產,"該工藝自問世百年以來已被極度優化"。

"如果我們想實現社會可持續發展和氣候目標,就必須找到替代方案。"他解釋道。目前全球每年使用約2億公噸氨,"我們希望找到一種方式,以更節能、更低碳的方法生產等量甚至更多的氨。"

電力制氨並非新概念,其原理是質子-電子對與氮氣之間的電化學反應,與利用電力驅動化學反應的電解槽原理相同。但問題在於,該工藝目前還不夠高效,無法滿足工業規模生產的需求,"生產速率和產率仍然太低"。

更優催化劑的探索之路

提升競爭力的關鍵在於金屬催化劑。阿塔尼提斯說:"如果能找到一種催化劑,既能降低所需能量,又對氨的合成更具選擇性,那就算是中了大獎。"更具選擇性的催化劑意味著在減少副反應的同時產出更多氨。

耶爾迪茲表示:"金屬氮化物化合物是這一反應的理想材料體系,有助於識別決定氮還原和氨電合成活性的電子、化學和結構特性。"過渡金屬有望形成適用於此目的的氮化物合金,但歷史上材料研究基本依賴試錯法,而如今計算工具的應用正在改變這一局面。

密度泛函理論麻省理工研究人員開發氨電化學合成催化劑預測方法利用量子力學模擬材料的特性與行為,使研究人員無需在實驗室中實際製備材料,便可預測不同原子排列的性能表現。耶爾迪茲說:"我們首先評估材料的哪些微觀特性使其在氮還原中發揮作用,而不是隨機搜索所有可能的合金組合。"

過渡金屬氮化物麻省理工研究人員開發氨電化學合成催化劑預測方法之所以高效,在於催化劑本身所含的氮參與了反應,形成一系列化學步驟,前一步驟提供部分能量驅動下一步驟,從而降低所需輸入能量。這有助於突破氮還原反應中最主要的瓶頸——打破氮分子強化學鍵所需的高能量。

藉助機器學習,研究團隊進一步判斷哪些金屬合金能夠克服反應路徑中的瓶頸,包括氮解離和氫轉移步驟,從而為調控材料、設計下一代更優氮化物催化劑提供策略依據。

從理論走向實驗

未參與本研究的威斯康星大學工程學教授戴恩·摩根評價稱,這是一項"令人振奮的工作",有助於奠定設計新型氨合成催化劑的理論基礎。"這項工作有助於釐清材料基本電子特性與其催化氨合成功能之間的關係,能夠幫助研究人員通過更深入的定性理解和加速計算篩選來設計新型催化劑。"

不過,摩根也指出,"將這些計算轉化為實用催化劑還需要許多額外步驟,因此產生實質性的現實影響可能仍需時日。"

目前該研究仍屬純理論階段,下一步計劃是建造一個工作反應池——一種利用催化劑在真實操作條件下生產並測試氨性能的實驗室裝置。阿塔尼提斯表示:"要讓研究真正造福社會,我們需要將其帶入實驗室。我們認為在候選材料方面已經突破了此前認為可能的邊界,希望我們已經接近目標。但即便尚未到達,我們至少在朝著正確方向前進。"

Q&A

Q1:哈伯-博施法有哪些缺點,為什麼要尋找替代方案?

A:哈伯-博施法沿用百年有餘,依賴化石燃料提供熱量,所需氫氣也主要來自化石燃料。這導致氨的生產消耗全球約2%的能源,並貢獻約1.5%的溫室氣體排放。隨著全球人口增長對氨需求持續上升,這種高能耗、高排放的生產方式與可持續發展目標相悖,因此迫切需要找到更綠色的替代方案。

Q2:麻省理工學院的新方法如何加速催化劑的篩選?

A:該方法結合密度泛函理論和機器學習,通過量子力學模擬材料特性,預測不同原子排列在催化氨合成中的表現,從而無需逐一製備和測試數百萬種合金組合。研究團隊首先識別驅動催化活性的關鍵微觀物理特性,再通過機器學習判斷哪些過渡金屬氮化物合金最有潛力克服氮解離和氫轉移等反應瓶頸,大幅提升篩選效率。

Q3:電化學合成氨目前面臨哪些主要障礙?

A:電化學合成氨目前存在兩大主要障礙:一是生產速率和產率偏低,難以滿足工業規模需求;二是經濟競爭力不足,無法與已高度優化的哈伯-博施法抗衡。此外,反應路徑中的氮解離和氫轉移步驟能耗較高,尋找能降低所需能量、同時對氨合成具有高選擇性的催化劑,是突破這一瓶頸的關鍵。

宅中地 - Facebook 分享 宅中地 - Twitter 分享 宅中地 - Whatsapp 分享 宅中地 - Line 分享
相關內容
Copyright ©2026 | 服務條款 | DMCA | 聯絡我們
宅中地 - 每日更新