【东大新闻网4月23日电】（通讯员 代云茜）近日，东南大学化学化工学院孙岳明教授、代云茜教授团队在纳米催化材料稳定性领域取得重要进展，研究成果以“Dynamic Stabilization of Ultrafine Pt Nanoparticles against Sintering: Insights from Machine Learning（超细铂纳米粒子抗烧结的动态稳定机制：来自机器学习的视角）”为题，创新性地提出了一种“动态限域”策略，并深度融合原位电镜表征与人工智能分析，可视化并定量预测了催化材料在极端高温下的抗烧结行为，为设计兼具高活性与超长寿命的实用化纳米催化剂提供了全新的理论框架和设计范式。该成果作为封面论文，发表于国际期刊《Nano Letters》。
在高温多相催化中，催化剂活性组分因“烧结”而团聚、失活，是制约其工业应用的核心瓶颈。尤其对于尺寸小于3 nm的超细铂（Pt）纳米颗粒，其极高的表面能使塔曼温度显著降低，金属原子在较低温度下即可迁移，导致颗粒通过迁移合并（PMC）或奥斯特瓦尔德熟化（OR）机制快速长大。因此，如何在高活性与热力学稳定性之间取得根本性突破，是领域内长期面临的重大挑战。
针对这一挑战，研究团队发展了一种动态限域策略。他们将超细铂纳米颗粒（<3 nm）锚定在多孔氧化铁（Fe2O3）载体上，并利用Na2Ti3O7纳米线骨架增强整体热稳定性。原位透射电子显微镜实时观测首次揭示，在高达850 °C的极端温度下，铂纳米颗粒在载体的孔道内和边缘区域能够保持可移动性，但被有效限制在特定的纳米空间内，从而在原子尺度实现了“可动而不聚”的独特状态，强力抑制了烧结的发生。
为深入解析并量化这一复杂动态过程，团队构建了人工神经网络模型。该模型成功建立了颗粒所处微环境（如距孔/边缘距离）和温度与颗粒尺寸演变之间的定量构效关系，预测结果与实验数据高度吻合（R² > 0.92）。模型清晰指出，孔道限域与边缘限域是赋予纳米颗粒卓越抗烧结能力的关键结构因素，将催化剂稳定性研究从现象观察推进至可预测的定量化新阶段。
在接近实际应用的苛刻条件下验证，该催化剂展现了非凡的性能。以一氧化碳氧化为模型反应，经过500 °C老化的催化剂在150 °C即可实现CO完全转化。更为突出的是，在175 °C下连续运行600小时，催化剂活性未见衰减。即使在提高反应空速的强化失活测试中，其活性衰减速率常数也极低，证明了其卓越的长效工作稳定性。这为解决强放热反应中因局部过热导致催化剂快速烧结失活的业界难题提供了有效的解决方案。
本工作通过“材料理性设计-原位微观机理-机器学习预测-应用性能验证”的全链条研究，不仅创制了具有极致抗烧结性能的铂基催化剂，更深刻揭示了动态限域稳定纳米颗粒的微观机制，推动了人工智能在催化材料设计与失效分析中的深度融合。
东南大学化学化工学院博士唐明宇为论文第一作者，代云茜教授为论文通讯作者。东南大学为论文唯一通讯单位。该研究得到了国家重点研发计划、国家自然科学基金等项目的资助。
论文链接：https://doi.org/10.1021/acs.nanolett.6c00109
供稿：化学化工学院
（责任编辑：刘明源 审核：宋业春）
