微型芯片可能解决清洁能源最大难题之一

如今，一个强大的新工具仅在一个下午就发现了一种。

这种名为"超级库"的工具由西北大学发明和开发。作为世界上首个纳米材料"数据工厂"，每个超级库在一个微型芯片上包含数百万个独特设计的纳米颗粒。在与丰田研究院（TRI）研究人员的合作中，团队利用该技术发现了具有商业应用价值的制氢催化剂。随后，他们在创纪录的时间内放大制备了该材料，并证明其可在设备中实际运行。

借助超级库，科学家快速筛选了四种储量丰富、价格低廉的金属（每种均以其催化性能著称）的庞大组合，最终发现的材料性能可与铱相媲美。团队发掘出一种全新材料，在实验室测试中达到甚至在某些情况下超越了商用铱基材料的性能，而成本仅为铱材料的极小部分。

这一发现不仅使经济型绿色氢能成为可能，更验证了超级库方法的有效性，或将彻底改变研究人员为各类应用寻找新材料的方式。

该研究于8月19日发表于《美国化学学会杂志》(JACS)。

"我们释放了可以说是全球最强大的合成工具，它使化学家和材料科学家能够从海量可用组合中筛选出关键材料，"西北大学的查德·A·米尔金表示。作为该研究的通讯作者兼超级库平台的主要发明人，他补充道："在此项目中，我们将该技术导向能源领域面临的核心难题：如何找到性能媲美铱、但储量更丰富、获取更便利且成本更低廉的材料？这个新工具让我们能快速找到有前景的替代品。"

作为纳米技术先驱，米尔金身兼数职：西北大学温伯格文理学院乔治·拉思曼化学教授、麦考密克工程学院化学与生物工程/生物医学工程/材料科学与工程教授，以及国际纳米技术研究所执行主任。他与特德·萨金特共同领导这项工作，后者是温伯格学院林·霍普顿·戴维斯与格雷格·戴维斯化学教授、麦考密克学院电气与计算机工程教授，同时担任保拉·特里恩斯可持续性与能源研究所执行主任。

'全球铱储量不足'

当世界从化石燃料转向脱碳进程时，经济型绿色氢能已成为关键拼图。为生产清洁氢能源，科学家采用水分解技术——通过电力将水分子分解为氢和氧两种组分。

然而该反应的析氧环节（OER）难度大且效率低。使用铱基催化剂时OER效果最佳，但铱存在显著缺陷：稀有昂贵（近5000美元/盎司，价值超黄金），且多为铂矿开采副产品。

"全球铱储量无法满足预期需求，"萨金特指出，"仅从供应角度看，用于产氢的铱资源已捉襟见肘。"

'芯片上的全编制军队'

2016年提出超级库概念的米尔金与萨金特认为，寻找替代铱的新候选材料正是这项革命性工具的完美应用场景。传统材料发现过程缓慢艰巨充满试错，而超级库能让科学家以惊人速度锁定最优组合。

每个超级库通过数十万个金字塔形微针阵列在基底表面"打印"独立点阵。每个点均包含精心设计的金属盐混合物，经加热还原后形成成分与尺寸精确可控的单纳米颗粒。

"可将每个探针视为微型实验室里的研究员，"米尔金比喻道，"这相当于数百万研究员并行工作，实现在芯片上部署全编制科研团队。"

最终胜出者是……

新研究中，芯片包含1.56亿个颗粒，分别由钌、钴、锰、铬的不同组合构成。机器人扫描系统随后评估最有潜力颗粒的OER性能。基于测试结果，米尔金团队遴选最优候选材料进入实验室深化验证。

最终一种四金属精确组合（Ru₅₂Co₃₃Mn₉Cr₆氧化物）脱颖而出。众所周知，多金属催化剂可产生协同效应，使其活性超越单金属催化剂。

"我们的催化剂活性略高于铱且稳定性优异，"米尔金强调，"这很难得，因为钌通常稳定性较差，但配方中其他元素起到了稳定作用。"

筛选颗粒终极性能的能力是重大创新。"我们首次实现快速筛选催化剂，并见证最优材料在放大场景中表现卓越，"丰田研究院高级研究科学家、论文合著者约瑟夫·蒙托亚表示。

在长期测试中，新型催化剂在严苛酸性环境中高效稳定运行超1000小时，成本仅为铱材料的约十六分之一。

"实现商业化仍需大量工作，但能在实验室和器件层面如此快速锁定高性能催化剂，着实令人振奋，"蒙托亚补充道。

仅是开端

通过生成海量高质量材料数据集，超级库方法为人工智能（AI）和机器学习设计下一代新材料奠定基础。西北大学、丰田研究院及西北大学衍生公司Mattiq已开发出机器学习算法，能以创纪录速度筛选超级库数据。

米尔金称这只是起点。结合AI后，该方法可超越催化剂领域，彻底变革电池、生物医学设备和先进光学元件等各类技术的材料发现。

"我们将探索电池、核聚变等领域的各类材料，"他展望道，"当前技术并非采用最优材料——人们受限于时代工具做出的选择。问题在于，现有基础设施已固化于这些材料。我们要颠覆现状：是时候为每个需求寻找真正无妥协的最佳材料了。"

研究说明

题为"通过超级库加速析氧反应催化剂发现"的研究获得丰田研究院、Mattiq公司及美国陆军作战能力发展司令部陆军研究实验室下属陆军研究办公室（资助号W911NF-23-1-0285）支持。本出版物的完成得益于生物工业制造与设计生态系统（BioMADE）的支持；本文观点仅代表作者立场，未必反映BioMADE的官方意见。

本材料基于空军研究协议（FA8650-21-2-5028）资助的研究成果。无论版权标记如何，美国政府有权为政府目的复制和分发本文档。

本文所含观点及结论属于作者个人见解，不应被解释为代表空军或美国政府的官方政策或认可（无论明示或暗示）。