? 精彩內容搶先知

• Meta 利用 VSParticle 的合成技術建立了最大的開源實驗催化劑數據庫

• 在短短幾個月內，就從不同的元素組合中合成了 525 種材料，以發(fā)現(xiàn)應對氣候變化的電催化材料。

• 眾多人工智能公司對 VSParticle 越來越感興趣，希望用其創(chuàng)建更大的實驗數據集來實現(xiàn)材料發(fā)現(xiàn)

為了加速向清潔能源轉型，VSParticle (VSP)——納米多孔層可擴展合成領域的創(chuàng)新者——今天宣布了基于與 Meta 的基礎人工智能研究 (FAIR) 團隊和多倫多大學 (UOfT) 合作的的成果。 

此次合作將 VSP 先進的納米多孔層打印技術與多倫多大學的測試平臺和 Meta AI 的模型結合在一起，以快速生產、打印和測試清潔能源技術所需的下一代材料。通過其公開的催化劑實驗 2024 (OCx24)數據庫，該合作已經識別、合成和測試了數百種對清潔能源解決方案至關重要的電催化劑，并在此過程中建立了第一個也是最大的開源實驗催化劑數據庫。 

這是一個關鍵的里程碑，有助于將當今人工智能驅動的預測轉化為可擴展的、工業(yè)界可用的產品，但在此之前，這種合作被證明是不可能的。這些發(fā)現(xiàn)標志著彌合計算模型和實驗研究之間差距的重大突破，使我們更接近大規(guī)模可行的清潔能源解決方案。 

“通過這次合作，我們在材料發(fā)現(xiàn)方面取得了新的突破。它標志著我們預測和驗證對清潔能源解決方案至關重要的材料的能力的重大飛躍。我們在電催化劑上看到的結果證明了人工智能在應對緊迫的氣候挑戰(zhàn)方面的現(xiàn)實潛力。" Larry Zitnick，Meta AI 研究總監(jiān)

Part.1  破解電催化劑密碼

電催化劑對于工業(yè)脫碳和實現(xiàn)全球氣候目標至關重要，因為它們在二氧化碳還原反應 (CO2RR)、氫氣生產和下一代電池等清潔能源過程中發(fā)揮著重要作用。為了加速這些催化劑的發(fā)現(xiàn)，Meta 的 FAIR 團隊一直在開發(fā)人工智能模型，以便在數小時而不是數月內識別候選催化劑。然而，將這些預測轉化為可擴展的商業(yè)化應用仍然是一項復雜的挑戰(zhàn)，通常需要長達 15 年的時間（內容詳見：AI 時代，高通量新催化劑怎么獲得？加州理工告訴你）。與此同時，訓練人工智能模型來預測最佳電催化劑材料需要大量且多樣化的實驗數據集，而這依靠傳統(tǒng)方法很難實現(xiàn)。

為了彌補這一差距并加速材料的發(fā)現(xiàn)之路，VSP、Meta 和 UOT 攜手在實驗室中測試數百種且多樣化材料的數據集—創(chuàng)建開源催化數據庫。VSP-P1 納米打印沉積系統(tǒng)使用一種稱為火花燒蝕的氣相沉積工藝，通過將每種材料汽化成納米顆粒，得到了傳統(tǒng)方法較難合成的525 種催化劑，人工智能模型預測這些材料是二氧化碳還原反應 (CO2RR) 的最佳候選材料。

然后，這些納米顆粒被沉積為納米多孔薄膜，并與多倫多大學共享，該大學的高通量模塊測試了每種納米顆粒在一系列工業(yè)條件下的表現(xiàn)。VSP 的納米顆粒合成方法使研究人員能夠更好地控制顆粒尺寸和成分，并具有規(guī)模制造納米多孔材料所需的高水平自動化和速度。

基于 VSP-P1 的納米打印的高通量多孔催化劑層合成方法及高通量表征

該圖說明了實驗流程，詳細說明了從合成到表征和測試的過程。（右）兩種合成技術和使用噴涂 Cu 納米粒子的參考樣品。所有技術都可以看到電流密度的類似趨勢

研究結果被輸入一個實驗數據庫，研究人員能夠根據真實的實驗結果驗證人工智能的預測；確定數百種用于關鍵反應的潛在低成本催化劑，目前可用于訓練和進一步完善人工智能和機器學習預測。除了構建最大的實驗數據集之外，該項目還運行了創(chuàng)紀錄的 2000 萬次計算機模擬（迄今為止同類計算中最大的一次），可用于構建更大的數據庫以擴大流程。

“通過以快速生產電催化劑，我們與 Meta 和多倫多大學的合作不僅有助于驗證多年的理論，而且還縮短了發(fā)現(xiàn)到應用的時間；解決了幾十年來阻礙先進材料發(fā)展的瓶頸。我們擁有全球能夠在短時間內提供如此大量納米多孔材料的技術，從而使 Meta 和 UOT 的重要工作成為現(xiàn)實。Aaike van Vugt，VSParticle 聯(lián)合創(chuàng)始人兼CEO

計算和實驗篩選工作。在計算上，使用六種吸附物作為描述符，并在多種材料上計算它們的吸附能。實驗上，使用兩種合成技術制備了 572 個樣品，對這些樣品進行了表征并對其子集進行了測試。使用這些數據來構建能夠使用計算特征預測實驗結果的模型

Part.2  高通量合成的重要性

合成一組不同的樣品是本研究最重大的挑戰(zhàn)。給定組成，理想的合成技術應該能夠將金屬混合在具有受控尺寸和質量負載的納米顆粒中。這有助于消除不同合成樣品之間的結構差異對局部反應環(huán)境（即厚度、孔隙率、不均勻性）的影響。合成中的另一個挑戰(zhàn)是合金需要沉積在碳氣體擴散層（GDL）上以促進催化劑測試的氣體反應。

火花燒蝕是一種干法，它利用電能進行增材打印，在惰性氣體下將金屬棒碎裂成納米團簇，然后可以直接沉積在GDL上。這是使用 VSParticle的納米打印沉積系統(tǒng) (VSP-P1) 完成的。該發(fā)生器利用兩個緊密間隔的金屬或合金棒之間的高壓火花來產生局部等離子體。等離子體產生的強烈熱量使這些棒上的材料蒸發(fā)（燒蝕），然后冷卻并凝結成納米顆粒。使用氣相熱沖擊技術和 3D 打印機，可以在幾個小時內合成和打印納米顆粒。在 GDL 上打印樣品后，使用管式爐在 400°C 溫度下使用還原氣體對其進行退火，以形成金屬間合金納米粒子。

（上）考慮到用于計算數據的成分多樣性和綜合性，映射和顯示集合了MP、OQMD和 Alexandria的數據庫源。（下）通過兩種合成方法（化學法和 VSP 火花燒蝕）描述元素的可行性，以及所有實驗合成、表征和測試樣品的Chemical Space。較深陰影的三元相圖是由多個圖連接而成的，該項目未進行探索

為了真正破解材料開發(fā)的密碼，人工智能模型需要在包含 10,000 到 100,000 種測試材料的更大的實驗數據集上進行訓練，這是依靠人海戰(zhàn)術無法完成的。由于 VSP 的技術是能夠合成如此大量具有高電催化性能的薄膜納米孔的技術，該公司正在與更多的組織合作（詳見內容：VSParticle 助力 AI 自驅動實驗室加速材料研究（附直播回放）），包括阿布扎比索邦大學、舊金山的勞倫斯利弗莫爾國家實驗室、芝加哥地區(qū)的材料發(fā)現(xiàn)研究所 (MDRI) 和荷蘭基礎能源研究所 (DIFFER)。

除了這個項目之外，VSP 還一直在擴展自己的技術，以便在未來更快、更高效。目前的 VSP-P1 打印機由每秒 300 個火花提供動力，但該團隊還在開發(fā)一種新打印機，可將輸出時間增加到每秒 20,000 個火花，這可以進一步增強此類研究的性能。特別是，這將使其能夠擴展其核心技術，通過打印多孔傳輸電極的必要組件來支持綠色氫生產，這是工業(yè)客戶所要求的。這意味著VSP 將能夠通過使用更少的設備、更少的能源和更高的自動化程度，將當前的生產成本降低85%，使其成為綠色氫生產這一關鍵方面具成本競爭力的生產技術。

該工作目前已被 Meta AI 項目收錄，點擊可訪問公開數據庫鏈接：Open Catalyst Experiments 2024 （OCx24）：橋接實驗和計算模型

VSParticle  - 合金催化劑用于二氧化碳電解主要討論了如何通過創(chuàng)新技術減少二氧化碳排放，并將其轉化為高附加值的化學品和燃料。具體來說，它關注了 CO2 電解技術，這是一種可以減少 CO2 排放并同時生產有用化學品和燃料的過程。強調了合金催化劑在提高 CO2 轉化為所需產品效率中的關鍵作用，并指出了合金催化劑在選擇性、效率和穩(wěn)定性方面的主要瓶頸。

介紹了 VSParticle 技術，這是一種快速、自動化和可擴展的方法，用于合成多種合金催化劑材料。該技術能夠生產高質量的大型實驗數據集，這些數據集被用于訓練 AI 模型，以預測哪些材料組合可能對關鍵過程有效。

此外，還討論了與 Meta 合作的成果，包括通過 X射線衍射（XRD）、X射線熒光（XRF）和電化學性能測試對合金催化劑的表征和測試。這些測試結果有助于理解催化劑的性能，并為工業(yè)應用提供了價值。