表征反应的能量和反应网络的能垒是发展催化剂的关键，但是描述异相催化剂表面的自动反应网络表征（automatic reaction network characterization）面临着非常大的挑战。由于较大尺寸以及开放性的反应物，Ad hoc网络是目前最好的方法。

有鉴于此，普渡大学Brett M. Savoie、Jeffrey Greeley等报道展示了以担载于SiO₂基底上的单原子Ga³⁺催化乙烯低聚反应作为异相催化剂和催化反应模型，通过自动网络探测算法（automated network exploration algorithms）用于限定异相催化体系。

本文要点：

（1）

通过基于图形的网络探索规则以及使用基于活化能和识别网络终端大小作为基础性的约束条件，生成了一个复杂的反应网络，并且对照标准方法进行验证。

作者通过算法发现基于Ga-烷基的Cossee-Arlman机理可能作为主要的生成产物机理，同时还预测了多种能够生成烷烃和积碳的新反应路线。

（2）

研究结果说明，自动反应探索算法具有朝着特定目的进行快速发展并且用于探索催化反应的能力。

参考文献

Zhao, Q., Xu, Y., Greeley, J. et al. Deep reaction network exploration at a heterogeneous catalytic interface. Nat Commun 13, 4860 (2022)

DOI: 10.1038/s41467-022-32514-7

https://www.nature.com/articles/s41467-022-32514-7