编者语：
“利用“混合加速”策略，在379次实验中发现7种高性能钌基催化剂，破解酸性水电解制氢关键难题。”
01
背景介绍
随着全球碳中和进程的加速，绿氢作为最具潜力的清洁能源载体，正迎来爆发式增长。目前全球氢能年需求已超过9700万吨，但其中99%仍通过化石燃料制取，伴随大量碳排放。质子交换膜水电解（PEMWE）技术能够利用可再生能源将水高效转化为绿色氢气，被视为实现绿氢大规模应用的关键路径。
然而，PEMWE技术面临一个核心瓶颈：其工作环境为强酸性条件，在此条件下能稳定工作的析氧反应（OER）催化剂极为有限。目前商用PEMWE系统完全依赖铱基催化剂，但铱是地壳中最稀有的元素之一，价格高昂（超过150美元/克），严重制约了电解槽的大规模部署。二氧化钌（RuO2）是一种有前景的替代品，成本较低且活性更高。但钌基催化剂在酸性环境中稳定性差，运行时钌会持续溶解，导致电池性能快速衰减。通过将钌与其他金属形成多元金属氧化物是提高稳定性的有效策略，但可能的元素组合高达数百万种，传统“试错法”研发模式效率低下。
图1. 质子交换膜水电解（PEMWE）技术
2026年01月06日，加拿大多伦多大学Edward H. Sargent院士和Jason Hattrick-Simpers团队在Nature Catalysis期刊发表题为“Stable acidic oxygen-evolving catalyst discovery through mixed accelerations”的研究论文。开发了一种名为 “混合加速”（Mixed Acceleration, MA）的新方法，将人工智能与高通量实验深度结合，成功从浩渺的化学空间中快速锁定高性能催化剂。该研究团队通过379次实验验证，从庞大的钌基多元氧化物设计空间中，成功筛选出7种性能超越现有帕累托前沿的催化剂，其中最优的Ru0.5Zr0.1Zn0.4Ox在10 mA cm−2下实现了194 mV的过电位，且钌溶解率比商用RuO2降低了12倍，为解决PEMWE技术瓶颈提供了新的解决方案。
图2. 图文总览
02
图文解析
1. MA工作流程：三级筛选模型
MA工作流程（图3）的核心是三个层层递进的机器学习模型，这构成了一个高效的“筛选漏斗”：
（1）第一级：合成预测模型
基于溶胶-凝胶法合成特点，预测哪些元素组合能够成功形成凝胶，使用迁移学习技术，从材料数据库提取元素特征，准确率高达91%，这避免无效合成尝试，将实验效率提升3倍以上。
（2）第二级：活性预测模型
预测哪些材料具有高析氧活性（过电位低于220 mV），仅选择活性达标材料进入下一阶段，避免不必要的稳定性测试。
（3）第三级：稳定性预测模型
创新性地结合实验描述符（XRD、XRF表征数据）与理论描述符，准确预测钌溶解率，指导最终的重点验证实验。
图3.“混合加速”工作流程
2.高通量实验平台：10 min完成一个样品的全流程测试
研究团队构建了自动化实验系统，实现并行处理50个样品，定制模具可同时进行60个样品批量XRD/XRF测试，专用阵列反应器，大幅缩短电化学快速筛选测试时间，该平台将单个样品的全流程测试时间从数天缩短至约10 min。研究团队通过五轮迭代实验，系统性地测试了“混合加速”方法在从包含钌和其他42种元素的广阔化学空间中筛选高稳定性钌基催化剂的有效性（图4），五轮实验依次采用了不同的筛选策略：首轮建立初始三元体系数据集；次轮随机选择四元组合作为基线；第三轮依据专家直觉；第四轮由凝胶化和活性模型联合指导；最后一轮则完全由完整的“混合加速”框架驱动，从预测可合成且高活性的候选材料中进一步筛选高稳定性催化剂。在总共379次合成尝试中，预测性凝胶化模型实现了91%的准确率，而在其指导下的一轮实验，凝胶化成功率达到了100%。
图4. 混合金属氧化钌溶胶-凝胶合成法
3.性能突破：7种材料超越帕累托前沿
经过五轮迭代实验（I1-I5），MA策略展现出显著优势。I5轮发现的材料中位钌溶解率降至0.34%，较初始轮次提升约3倍，最佳材料Ru0.5Zr0.1Zn0.4Ox过电位194 mV，溶解率比RuO2低12倍。并且，7种材料成功突破原有帕累托前沿，实现活性与稳定性的协同提升。
关键发现：锌/锆的稳定化作用
（1）锌在5种最优材料中出现，显著提升稳定性
（2）锆添加进一步降低锌的溶出，起到“稳定剂的稳定剂”作用
（3）碱性金属（铷、铯）提升活性但损害稳定性，揭示性能权衡关系
图5. OER活性
4.机理深入：揭示“牺牲掺杂”稳定机制
通过深入表征发现，新材料稳定性提升源于独特的“牺牲掺杂”机制：
（1）动态重构过程
锌、镍等掺杂元素在反应初期部分溶出（>20%），此过程调控钌的局部配位环境，抑制过度氧化，锆添加进一步稳定结构，减缓重构过程。
（2）电子结构调控
XPS分析显示稳定性材料初始钌氧化态较低，反应后Ru4+含量保持稳定，避免活性位点损失，电化学阻抗证实活性表面积保持稳定。特别是锆的引入，不仅自身稳定，还能减缓其他元素（如锌）的溶出，并抑制钌氧化态在反应过程中的剧烈变化，起到了稳定催化剂整体结构的关键作用。研究发现，由实验获得的“加权普贝图分解能”是预测稳定性的最重要特征，它与钌溶出率呈正相关（图6）。
图6. OER稳定性预测
03
总结
该研究成功开发并验证了“混合加速”这一创新工作流程，它通过分层模型将复杂的酸性析氧稳定性挑战分解为可管理的步骤——材料合成、析氧活性和析氧稳定性预测，研究代表了AI驱动材料发现领域的重要突破。其核心贡献在于，通过融合高通量实验产生的实时数据与理论描述符，构建了更贴近真实材料状态的混合特征，从而有效地桥接了理论材料表征与实际催化性能之间的鸿沟。这种“实验引导计算”的新范式，为复杂材料体系的理性设计提供了可复制的技术路径。
04
展望(巨人肩上前行)
1. 将当前平台扩展至自主驾驶实验室，实现“设计-合成-测试-分析”全流程闭环优化；
2. 利用超快光谱和原位表征技术，实时追踪催化剂在工况下的动态演化过程。
文献信息
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.
声明：
1. 版权：推送内容仅供学习交流分享使用，无任何商业用途，如有侵权，请联系后台删除或修改，感谢支持。
2. 投稿：非常欢迎各位老师在公众号上介绍课题组前沿或经典研究成果！后台或邮箱联系即可！
热门跟贴