CO₂加氢催化反应具有制备可再生能源和化学品的前景，但是目前缺少高效和选择性的催化剂。过渡金属氧化物催化剂，尤其是CoO，具有很好的CO₂加氢催化活性，而且催化活性与晶相和形貌密切相关。

通过合成胶体纳米粒子过程精确调控CoO的催化剂有助于催化剂和催化反应过程的发展。但是胶体纳米粒子的合成步骤和过程非常复杂，许多变量能够影响合成过程，因此如何系统的控制催化剂的性质变得具有非常大挑战。

有鉴于此，南加州大学Richard L. Brutchey、Noah Malmstadt、可再生能源实验室Susan E. Habas等报道多重变量Bayesian优化方法与数据驱动的分类器结合，描述胶体CoO纳米粒子的合成空间，而且能够在同一晶相同时优化多个参数。

主要内容

（1）

通过优化实验条件，生成尺寸均一的小尺寸纯相CoO纳米粒子，将优化后的纳米粒子担载于SiO₂上，从而能够在热催化CO₂加氢反应过程免于形成更大尺寸。

（2）

与其他各种催化剂相比，优化后的CoO/SiO₂催化剂表现更高的催化活性和CH₄选择性。这种显著的性能来自于纳米粒子的稳定性以及一致的H*覆盖度。催化剂在高温还原后，仍表现抗烧结和碳沉积能力。

参考文献

Lanja R. Karadaghi, Emily M. Williamson, Anh T. To, Allison P. Forsberg, Kyle D. Crans, Craig L. Perkins, Steven C. Hayden, Nicole J. LiBretto, Frederick G. Baddour, Daniel A. Ruddy, Noah Malmstadt*, Susan E. Habas*, and Richard L. Brutchey*, Multivariate Bayesian Optimization of CoO Nanoparticles for CO₂ Hydrogenation Catalysis, J. Am. Chem. Soc. 2024

DOI: 10.1021/jacs.4c03789

https://pubs.acs.org/doi/10.1021/jacs.4c03789