AI驱动高通量实验机器人多目标优化赋能氯碱工业绿色催化革新

       近日，我所团队在国际顶级化学期刊《Angewandte Chemie International Edition》（《德国应用化学国际版》）上发表题为“Toward Practical Design of High-Entropy Catalysts for Chlorine Evolution Reaction via Pareto-Guided Multi-Objective Bayesian Optimization Enabled by a Robotic AI-Chemist”的重要研究成果。

       电催化析氯反应（CER）是氯碱化工产业的核心关键过程，其反应效率与催化剂性能直接决定产业的能耗水平与产品质量。长期以来，该领域始终面临两大核心瓶颈：一是氧析出副反应的强烈竞争，导致氯气产品选择性降低、能耗升高；二是催化剂严重依赖贵金属铱、钌，大幅推高了工业生产成本，限制了产业的绿色可持续发展。高熵氧化物作为一类新型催化材料，在析氯反应中展现出优异的催化潜力与稳定性，但因其成分组合空间庞大、构-效关系复杂，传统“试错式”实验方法难以高效筛选出最优组分，极大制约了其工业化应用进程。针对这一行业痛点，研究团队创新构建了高效、智能的催化剂筛选与优化体系，实现了此类高熵催化剂的精准设计与快速开发。

       研究过程中，团队首先利用自然语言处理工具结合大语言模型对海量高熵元素组成进行初步粗筛，快速缩小候选组分范围，解决了传统筛选“范围广、效率低”的难题；随后，依托自主开发的闭环机器人实验平台，结合Pareto引导的多目标贝叶斯优化算法，在极短时间内完成了海量组分的筛选与优化，最终获得了多种性能卓越、成本低廉的五元高熵催化剂，实现了催化活性、产物选择性与生产成本的三重突破。

       该研究具有两大突出创新点：其一，构建了可扩展的“AI+机器人”协同研发框架，能够自主探索第一性原理计算或人工实验难以触及的复杂组成-结构-性质空间，彻底打破了传统“盲目试错”的研发模式，实现了催化剂研发从“经验驱动”向“数据智能驱动”的跨越，大幅提升了研发效率；其二，提出了通用型多目标催化剂设计策略，建立了可平衡催化活性、氯气选择性与催化剂成本的协同优化框架，有效突破了以往研究中多性能指标相互制约、难以兼顾的技术困境，为多目标催化剂设计提供了通用范式。

       系统的电化学测试表明，该优化方案得到的高熵氧化物催化剂在酸性海水电解体系中表现出优异的综合性能：仅需较低过电位即可实现高电流密度输出，氯气产品选择性稳定在95%，同时贵金属钌用量减少91.6%，显著降低了催化剂成本。结构表征结果证实，材料的高熵无定形特征、钌配位缺陷及阳离子无序诱导的局域化学环境多样性，共同构筑了适配析氯反应的理想结构基底。为进一步揭示反应机制，团队通过原位拉曼光谱和微分电化学质谱技术深入研究，证实该催化剂能够有效促进Ru-Cl相关反应中间体的形成，同时显著抑制氧析出副反应的发生，从本质上提升了析氯反应的选择性与效率。

       此外，团队还开展了模拟太阳能电解海水的验证实验，证实了该催化剂在宽幅光照强度下可实现长期稳定运行，氯气选择性与输出电流始终保持平稳，展现出良好的工业应用潜力。未来可依托光伏发电支撑沿海及海水资源富集地区分布式绿色制氯产业发展，有效降低产业对化石能源的依赖；同时，也为可再生能源向高附加值化学品的直接转化提供了新路径，对推动氯碱化工产业绿色转型、实现“双碳”目标具有重要意义。

       该研究得到了科技部重点研发计划、国家自然科学基金委、河南省优秀青年基金、河南省科技研发计划联合基金、河南省科学院启动经费项目等资助。中国科学技术大学黄炎副研究员与智慧创制研究所江俊教授、朱青研究员共同担任通讯作者。

       论文链接：

      Ruyu Yang, Donglai Zhou, Zijin Jia, Yulan Han, Lianyou Tang, Zifan Jiang, Xiaolin Tai, Yuhai Cai, Wenhui Zhong, Yue Lin, Hao Wang, Jixian Xu, Yan Huang*, Jun Jiang*, and Qing Zhu*. Toward Practical Design of High-Entropy Catalysts for Chlorine Evolution Reaction via Pareto-Guided Multi-Objective Bayesian Optimization Enabled by a Robotic AI-Chemist. Angew. Chem. Int. Ed. 2026, e8794274