高熵氧化物（HEO）是一种多元素构成的固溶体，具有重要的科学发展前景。由于各种元素带来丰富的组成方式，因此设计具有特定性质的HEO材料通常依赖大量尝试。

有鉴于此，清华大学王训教授、刘清达、上海交通大学吴量、普渡大学林光教授等报道通过闭环的“训练-预测-实验”迭代循环方法发展制氢能力强的高熵氧化物催化剂。

本文要点

（1）

通过多轮主动学习迭代过程，从大量具有可能的材料组成中筛选，合成了4个新颖的HEO材料。这些发现的新型材料具有优异的稳定性，在水煤气变换反应制氢催化反应中表现优异的制氢性能（251 μmol g_cat^-1 h^-1），比目前的标杆催化剂Pt/γ-Al₂O₃（135 μmol g_cat^-1 h^-1）或者Cu/Al₂O₃（81 μmol g_cat^-1 h^-1）性能更好。

（2）

通过XPS表征和DFT理论计算结果说明这些HEO材料的结构和性质。这种通过机器学习加快发展性质独特新型HEO催化剂材料的方法能够从非常有限的实验数据中分析得到有用的信息。

参考文献

Siyang Nie, Yan Xiang, Liang Wu*, Guang Lin*, Qingda Liu*, Shengqi Chu, and Xun Wang*, Active Learning Guided Discovery of High Entropy Oxides Featuring High H₂-production, J. Am. Chem. Soc. 2024

DOI: 10.1021/jacs.4c06272

https://pubs.acs.org/doi/10.1021/jacs.4c06272