麻花MDR免费版

AI 临近？加速电催化剂筛选的高通量纳米沉积系统

引言

碱性水电解作为一种重要的电化学反应，可作为大规模产生氢气的可行候选方式（仅次于质子交换膜）。通过对水电解催化剂进行筛选，可制备与传统方式相比更为高效的电极材料，从而确定下一步研发所需的材料体系。

为此，Avantium Chemicals BV 与荷兰 VSParticle 公司合作，基于火花烧蚀纳米印刷沉积系统和电化学高通量筛选装置组合进行了碱性水电解催化剂的筛选实验。经过验证，这一装置组合能够在工业化电流密度下的流体动力学条件下制备和筛选电极材料。这表明该装置不仅适用于筛选最佳催化剂和稳健的催化剂制备，而且还可用于优化更大规模的实验。

用于快速筛选电催化剂的高通量电化学平台

Part 1 实验内容介绍

在该实验中，研究人员利用火花烧蚀技术生成具有催化活性的纳米粒子，并通过惰性载气将其传输并直接沉积到电极上。这种方法的优势在于纳米颗粒的表面不与封端剂或配体发生反应，因此它们可以轻松地附着在电极衬底上，而无需使用湿法沉积所需的粘合剂、后处理或其他流程。

可通过改变 8×8 电极矩阵中的两个参数来进行实验：一是通过调节火花纳米颗粒催化剂发生器的相对功率来改变 Fe/Ni 比率，二是通过控制沉积时间来调节 Ni 和 Fe 纳米粒子混合膜在镀镍基底上的膜厚度。值得一提的是，火花放电的烧蚀速率与输入功率成正比。此外，火花烧蚀与纳米材料打印的结合还使我们能够以可控、快速、精准的方式改变其他参数，例如颗粒尺寸、薄膜形态以及单个颗粒的成分。

火花烧蚀技术可以产生 20000K 的高温放电通道，使靶材材料跨越液化过程从而实现直接气化。

电化学装置&苍产蝉辫;

系统由 64 个平行板电化学流通池组成，阳极室和阴极室之间通过膜隔开。这些单元可以采用矩阵寻址方法进行顺序或批量并行操作，从而最小化成本并实现向更大电极矩阵的扩展。

串联运行：电解液被泵挤入第一个通道，再从那里进入第二个通道，依此类推，然后从第八个通道流出，一次测量一个电池。

并行流运行：其中一个传入流被分成八个流，并引入每个分通道。此配置用于半并行操作，可同时测量八个电池。

火花烧蚀纳米印刷沉积系统&苍产蝉辫;

催化剂筛选效率受多种因素制约，其中包括高通量筛选系统和多组分催化剂快速合成的挑战。传统化学方法在电催化剂合成方面面临着困难，因为电催化剂通常涉及多种比例的金属和氧化物组合，需要进行多批次的合成。此外，由于筛选过程中使用的催化剂量较少，每次合成都会产生大量浪费。此外，可重复合成多种组分的电催化剂也是一个重要指标。

采用火花烧蚀技术的方法，可以快速制备多种纳米级金属、合金和氧化物颗粒催化剂，催化剂初始粒径可控制在 0-20nm 范围内（可参考文章：《闪电也能制备纳米材料，火花简史Ⅰ》）。结合干法冲压沉积模块，即可在任意平面基底表面实现选区薄膜打印沉积（可参考文章：《VSPARTICLE 干法纳米打印技术，加速材料研发进程》）。

在这个方案中，研究者使用两台纳米颗粒催化剂发生器 VSP-G1 分别制备 Ni 和 Fe 催化剂，并调节它们的生成比例，然后在 64 个 dots 上沉积了多种组分的催化剂。

利用两台纳米颗粒催化剂发生器混合 Ni/Fe 催化剂后使用气溶胶沉积打印在 8×8 阵列样品池中

碱性电解水测试&苍产蝉辫;

在碱性水电解实验中，只有电池电位一个输出变量。通过在八种不同的沉积时间中沉积八种不同比例的镍和铁纳米粒子，使用火花烧蚀制备了 64 个不同比例的阳极催化剂（而阴极则使用镍）。在电解液（30% KOH）中，阳极和阴极之间通过增强聚苯硫醚（PPS）膜隔开并循环。当电流密度增加到 200 mA/cm² 后，电池电位通常在两小时内稳定在 2.3 至 2.6 V。

碱性水电解实验中使用的纳米颗粒沉积物的参数水平。通过调节两台发生器的相对功率来改变沉积物中的 Ni / Fe 比，保持总功率恒定

实验采用半平行配置，同时测量 8 个电极。阳极电解液和阴极电解液流道中的八个流是通过使用 1-8 歧管和八个毛细管产生的，以产生 0.6 bar 的压降，从而在所有八个通道中产生相等的流量。在去除异常值后，绘制了稳定电池电势与两个不同参数的关系图（见下图 A 和 B）。从图中可以看出，电势随着纳米颗粒催化剂组合物中的镍含量（即产镍发生器的输出功率）线性增加，同时随着沉积时间的增加呈对数减少，直至达到 160 秒后再次开始增加。图 C 中的等值线图更清楚地显示了这种现象，可以发现在电池电位为 2.35V 的最佳催化剂沉积条件区域（镍含量为 0% 时，即铁含量为 100%）的沉积时间约为 100 秒。

A,B 去除异常值后的电位变量图。C 等高线图显示电池电位随 Ni / Fe 发生器功率比和沉积时间的变化。

小结

测试数据显示，Ni / Fe 比率和沉积时间对电池电位有显著影响。随着镍纳米粒子的百分比增加，电势增加，但性能下降得越明显。此外，较长的沉积时间导致较低的电池电位，但在一定的沉积时间范围内，电池电位会再次增加。结果表明，随着铁含量的增加，铁纳米颗粒覆盖了镍层，改善了催化作用，但过多的铁会导致催化效率下降。

总的来说，结合电化学筛选平台和火花烧蚀沉积技术，可以有效地对电解水制氢催化剂进行筛选。这一方法不仅能够优化催化剂的性能，还能为催化剂的生产和更大规模的测试提供重要支持。

Part 2 材料的 AI 时代已经来临

人工智能正在引发材料研发的新革命。谷歌旗下的 Graph Networks for Materials Exploration（GNoME）在 2023 年年底发布了一项研究，成功寻找到了 38 万余个热力学稳定的晶体材料。这一成果相当于为人类增加了 800 年的智力积累，极大地加快了发现新材料的研究速度。

科技公司已经看准了相同的技术路线：（1）首先，他们通过理论计算获取材料科学数据；（2）然后，利用高通量计算生产海量数据；（3）接着，将这些数据输入到人工智能模型中进行训练；（4）最后，利用这些训练有素的模型推理未知材料的性能。这种整合了理论计算、高通量计算和人工智能的方法极大地加速了材料研发过程，为新材料的发现和应用提供了更广阔的可能性。

GNoME 数据集宣称找到了 384781 种热力学稳定的无机材料，大部分来自人类很少涉足的元素组合，且大部分是金属化合物。

电催化剂的开发越来越依赖于低成本材料体系开发和合成技术的进步。因此，利用高通量方法实现材料的自动化、可重复生成，可以进一步帮助大模型的训练和学习。在宏观尺度上，金属存在不互溶的现象，但在更小的纳米及原子尺度上，存在着更多可能的合金材料。VSParticle 采用的火花烧蚀放电技术能够实现原子及纳米尺度的材料混合，而且在仅更换靶材的情况下就能够实现多种材料体系的合成。这种方法也有效地解决了传统化学合成效率低、可重复性差的问题，从而进一步推动了大数据模型的自主学习效率。

火花烧蚀技术可以产生多种组分纳米颗粒，是无机纳米材料大数据模型建立的重要参考技术之一

同时 VSParticle-P1 纳米印刷沉积系统，可以实现无机纳米结构材料的打印直写或沉积，并可提供打印不同成分和厚度的纳米多孔层的选项，可广泛应用于电催化，传感器，线路互联，增强拉曼等领域。

参考文献

【1】 Becker R, Weber K, Pfeiffer T V, et al. A scalable high-throughput deposition and screening setup relevant to industrial electrocatalysis[J]. Catalysts, 2020, 10(10): 1165.

【2】 A. Merchant, S. Batzner, S. S. Schoenholz, M. Aykol, G. Cheon, and E. D. Cubuk, “Scaling deep learning for materials discovery,” Nature, vol. 624, no. 7990, pp. 80–85, Dec. 2023, doi: 10.1038/s41586-023-06735-9.