✦ 精彩内容抢先知

• Meta 利用 VSParticle 的合成技术建立了最大的开源实验催化剂数据库

• 在短短几个月内，就从不同的元素组合中合成了 525 种材料，以发现应对气候变化的电催化材料。

• 众多人工智能公司对 VSParticle 越来越感兴趣，希望用其创建更大的实验数据集来实现材料发现

为了加速向清洁能源转型，VSParticle (VSP)——纳米多孔层可扩展合成领域的领先创新者——今天宣布了基于与 Meta 的基础人工智能研究 (FAIR) 团队和多伦多大学 (UOfT) 合作的的首批成果。 

此次合作将 VSP 最先进的纳米多孔层打印技术与多伦多大学的测试平台和 Meta AI 的模型结合在一起，以快速生产、打印和测试清洁能源技术所需的下一代材料。通过其公开的催化剂实验 2024 (OCx24)数据库，该合作已经识别、合成和测试了数百种对清洁能源解决方案至关重要的电催化剂，并在此过程中建立了第一个也是最大的开源实验催化剂数据库。 

这是一个关键的里程碑，有助于将当今人工智能驱动的预测转化为可扩展的、工业界可用的产品，但在此之前，这种合作被证明是不可能的。这些发现标志着弥合计算模型和实验研究之间差距的重大突破，使我们更接近大规模可行的清洁能源解决方案。 

“通过这次合作，我们在材料发现方面取得了新的突破。它标志着我们预测和验证对清洁能源解决方案至关重要的材料的能力的重大飞跃。我们在电催化剂上看到的结果证明了人工智能在应对紧迫的气候挑战方面的现实潜力。” Larry Zitnick，Meta AI 研究总监

Part.1  破解电催化剂密码

电催化剂对于工业脱碳和实现全球气候目标至关重要，因为它们在二氧化碳还原反应 (CO2RR)、氢气生产和下一代电池等清洁能源过程中发挥着重要作用。为了加速这些催化剂的发现，Meta 的 FAIR 团队一直在开发人工智能模型，以便在数小时而不是数月内识别候选催化剂。然而，将这些预测转化为可扩展的商业化应用仍然是一项复杂的挑战，通常需要长达 15 年的时间（内容详见：AI 时代，高通量新催化剂怎么获得？加州理工告诉你）。与此同时，训练人工智能模型来预测最佳电催化剂材料需要大量且多样化的实验数据集，而这依靠传统方法很难实现。

为了弥补这一差距并加速材料的发现之路，VSP、Meta 和 UOT 携手在实验室中测试数百种独特且多样化材料的数据集—创建开源催化数据库。VSP-P1 纳米打印沉积系统使用一种称为火花烧蚀的气相沉积工艺，通过将每种材料汽化成纳米颗粒，得到了传统方法较难合成的525 种催化剂，人工智能模型预测这些材料是二氧化碳还原反应 (CO2RR) 的最佳候选材料。

然后，这些纳米颗粒被沉积为纳米多孔薄膜，并与多伦多大学共享，该大学的高通量模块测试了每种纳米颗粒在一系列工业条件下的表现。VSP 独特的纳米颗粒合成方法使研究人员能够更好地控制颗粒尺寸和成分，并具有规模制造纳米多孔材料所需的高水平自动化和速度。

基于 VSP-P1 的纳米打印的高通量多孔催化剂层合成方法及高通量表征

该图说明了实验流程，详细说明了从合成到表征和测试的过程。（右）两种合成技术和使用喷涂 Cu 纳米粒子的参考样品。所有技术都可以看到电流密度的类似趋势

研究结果被输入一个实验数据库，研究人员能够根据真实的实验结果验证人工智能的预测；确定数百种用于关键反应的潜在低成本催化剂，目前可用于训练和进一步完善人工智能和机器学习预测。除了构建最大的实验数据集之外，该项目还运行了创纪录的 2000 万次计算机模拟（迄今为止同类计算中最大的一次），可用于构建更大的数据库以扩大流程。

“通过以前所未有的速度生产独特的电催化剂，我们与 Meta 和多伦多大学的合作不仅有助于验证多年的理论，而且还缩短了发现到应用的时间；解决了几十年来阻碍先进材料发展的瓶颈。我们拥有全球唯一能够在短时间内提供如此大量独特纳米多孔材料的技术，从而使 Meta 和 UOT 的重要工作成为现实。Aaike van Vugt，VSParticle 联合创始人兼首席执行官

计算和实验筛选工作。在计算上，使用六种吸附物作为描述符，并在多种材料上计算它们的吸附能。实验上，使用两种合成技术制备了 572 个样品，对这些样品进行了表征并对其子集进行了测试。使用这些数据来构建能够使用计算特征预测实验结果的模型

Part.2  高通量合成的重要性

合成一组不同的样品是本研究最重大的挑战。给定组成，理想的合成技术应该能够将金属混合在具有受控尺寸和质量负载的纳米颗粒中。这有助于消除不同合成样品之间的结构差异对局部反应环境（即厚度、孔隙率、不均匀性）的影响。合成中的另一个挑战是合金需要沉积在碳气体扩散层（GDL）上以促进催化剂测试的气体反应。

火花烧蚀是一种干法，它利用电能进行增材打印，在惰性气体下将金属棒碎裂成纳米团簇，然后可以直接沉积在GDL上。这是使用 VSParticle的纳米打印沉积系统 (VSP-P1) 完成的。该发生器利用两个紧密间隔的金属或合金棒之间的高压火花来产生局部等离子体。等离子体产生的强烈热量使这些棒上的材料蒸发（烧蚀），然后冷却并凝结成纳米颗粒。使用气相热冲击技术和 3D 打印机，可以在几个小时内合成和打印纳米颗粒。在 GDL 上打印样品后，使用管式炉在 400°C 温度下使用还原气体对其进行退火，以形成金属间合金纳米粒子。

（上）考虑到用于计算数据的成分多样性和综合性，映射和显示集合了MP、OQMD和 Alexandria的数据库源。（下）通过两种合成方法（化学法和 VSP 火花烧蚀）描述元素的可行性，以及所有实验合成、表征和测试样品的Chemical Space。较深阴影的三元相图是由多个图连接而成的，该项目未进行探索

为了真正破解材料开发的密码，人工智能模型需要在包含 10,000 到 100,000 种独特测试材料的更大的实验数据集上进行训练，这是依靠人海战术无法完成的。由于 VSP 的技术是唯一能够合成如此大量具有高电催化性能的薄膜纳米孔的技术，该公司正在与更多的组织合作（详见内容：VSParticle 助力 AI 自驱动实验室加速材料研究（附直播回放）），包括阿布扎比索邦大学、旧金山的劳伦斯利弗莫尔国家实验室、芝加哥地区的材料发现研究所 (MDRI) 和荷兰基础能源研究所 (DIFFER)。

除了这个项目之外，VSP 还一直在扩展自己的技术，以便在未来更快、更高效。目前的 VSP-P1 打印机由每秒 300 个火花提供动力，但该团队还在开发一种新打印机，可将输出时间增加到每秒 20,000 个火花，这可以进一步增强此类研究的性能。特别是，这将使其能够扩展其核心技术，通过打印多孔传输电极的必要组件来支持绿色氢生产，这是工业客户所要求的。这意味着VSP 将能够通过使用更少的设备、更少的能源和更高的自动化程度，将当前的生产成本降低85%，使其成为绿色氢生产这一关键方面最具成本竞争力的生产技术。

该工作目前已被 Meta AI 项目收录，点击可访问公开数据库链接：Open Catalyst Experiments 2024 （OCx24）：桥接实验和计算模型

VSParticle 白皮书 - 合金催化剂用于二氧化碳电解主要讨论了如何通过创新技术减少二氧化碳排放，并将其转化为高附加值的化学品和燃料。具体来说，它关注了 CO2 电解技术，这是一种可以减少 CO2 排放并同时生产有用化学品和燃料的过程。白皮书强调了合金催化剂在提高 CO2 转化为所需产品效率中的关键作用，并指出了合金催化剂在选择性、效率和稳定性方面的主要瓶颈。

白皮书介绍了 VSParticle 技术，这是一种快速、自动化和可扩展的方法，用于合成多种合金催化剂材料。该技术能够生产高质量的大型实验数据集，这些数据集被用于训练 AI 模型，以预测哪些材料组合可能对关键过程最有效。

此外，白皮书还讨论了与 Meta 合作的成果，包括通过 X射线衍射（XRD）、X射线荧光（XRF）和电化学性能测试对合金催化剂的表征和测试。这些测试结果有助于理解催化剂的性能，并为工业应用提供了价值。