[发明专利]基于高通量实验与计算的催化材料筛选方法和系统

说明书

本方案提供了一种结合高通量实验与高通量计算的催化材料筛选方法和系统，其中，该方法包括：利用基于高通量实验与高通量计算的数据结果构建的催化剂构效关系模型，筛选满足目标催化性能的待确认催化材料；针对上述筛选结果进行高通量制备和高通量性能评估，获得待确认催化材料的实验结果；对比待确认催化材料的催化性能预测结果与待确认催化材料的实验结果，在预定偏差范围内的情况下，确定待确认催化材料为达到目标催化性能的催化材料。本方案能够通过基于高通量实验与高通量计算构建的催化剂构效关系模型，将理论计算模拟结果、已有实验结果和新的催化剂表征结果之间形成相互印证的关系，从而提高催化材料的筛选精度和筛选速度。

技术领域

本申请涉及催化材料研发领域，特别涉及一种结合高通量实验与高通量计算的催化材料筛选方法和系统。

背景技术

无论是化工生产过程还是能源储存与转化过程，它们所涉及的化学反应过程都需要相应的催化剂才能顺利进行。催化剂是众多工业领域最关键的核心技术之一，催化剂的性能决定着一种生产过程能否实现，以及其经济性。目前绝大多数的催化剂研发工作仅凭实验手段需要花费大量耗时的重复试验才能筛选出相对理想的催化剂。随着理论方法的日臻完善和计算能力的不断提升，人们可以借助各种不同的理论计算方法来建立催化反应的微观动力学，进而研究催化剂的催化作用机理，最后通过理论计算和实验的结合，共同揭示催化剂的反应机理及其内在影响机制。

发明内容

本申请提供了一种结合高通量实验与高通量计算的催化材料筛选方法和系统。

根据本申请实施例的第一个方面，提供了一种基于高通量实验与高通量计算的催化材料筛选方法，该方法的步骤包括：

利用根据高通量实验与高通量计算的数据结果构建的催化剂构效关系模型，筛选满足目标催化性能的待确认催化材料；

针对上述筛选结果进行高通量制备和高通量性能评估，获得待确认催化材料的实验结果；

在待确认催化材料的催化性能预测结果与待确认催化材料的实验结果的偏差，在预定偏差范围内的情况下，确定待确认催化材料为达到目标催化性能的催化材料。

在一种优选地实施例中，所述根据高通量实验与高通量计算的数据结果构建的催化剂构效关系模型的构建步骤包括：

利用催化剂颗粒模型的反应位点的结构特征，以及不同表面模型上的反应物、中间产物和最终产物的吸附能，基于机器学习算法，训练获得结构特征-吸附能关联模型；

利用不同表面模型上的反应物、中间产物和最终产物的吸附能，以及催化剂颗粒模型的理论催化性能，基于机器学习算法，训练获得吸附能-催化性能关联模型；

利用依据实验表征搭建的催化剂颗粒模型的理论催化性能和实验测得的催化性能，基于机器学习算法，训练获得催化性能理论值与实验值的修正模型；

利用上述模型，基于机器学习算法，获得结构-吸附-理论性能-实际性能关联模型，即催化剂构效关系模型。

在一种优选地实施例中，构建所述催化剂构效关系模型之前的步骤包括：

随机高通量制备催化剂，进行催化剂的高通量性能评价，对催化反应后的催化剂进行结构表征，并根据表征构建催化剂表面模型；

根据表面模型的表面能，构建催化剂颗粒模型。

在一种优选地实施例中，构建所述催化剂构效关系模型的前一步骤还包括：

对催化剂表面模型进行计算模拟；

结合微观动力学分析获取主/副反应的最优反应路径及其反应速率。

结合表面模型的主/副反应的反应速率和颗粒模型上每种晶面的比例，转化成该颗粒模型在反应环境条件下的催化反应动力学信息；