科技資訊

我國科研團隊首創程序化

交流電合成新技術

科技日報2024年7月15日報道，從武漢大學獲悉，該校高等研究院、化學與分子科學學院雷愛文教授團隊首創程序化交流電合成新技術應用于銅催化碳氫鍵轉化反應，解決了電合成條件下過渡金屬催化劑容易在陰極析出失活而必須使用分離池的科學難題。7月11日相關研究成果在線發表于《科學》雜志。

合成電化學新技術是國際純粹與應用化學聯合會（IUPAC）評定的2023年度化學領域十大新興技術之一。因為其具備綠色、安全和低能耗特性，可用于解決當前基于化石能源驅動的現行生產力產生的環境污染、安全生產風險和高能耗問題。

雷愛文介紹，這種新興合成技術主要以直流電（DC）作為驅動力，通過調節電流或者電壓控制化學反應過程。交流電（AC）具有極性反轉和周期性波動特點，且具備如波形、頻率、占空比等更多可調節電學參數的優勢，為實現精準物質制造提供“無限潛力”。

然而，更多維度的電學參數引入電化學合成反應中會導致可優化的反應條件呈指數級增加，極大增加了研究難度。因此，迄今為止交流電合成技術仍然處于萌芽階段，僅有數例簡單應用研究見諸報道。

雷愛文團隊耕耘綠色合成化學超過15年，該項研究首創開發了可編程波形交流電（pAC）合成技術，實現了銅催化的放氫氣氧化交叉偶聯反應。通過對交流電波形的電學參數（頻率、電流和占空比）進行程序編輯，可得到定制化交流電信號。

不同編輯模式的電信號不僅促進電解條件下銅催化劑循環再生，且分別精準調控銅催化劑形成“銅結合碳自由基物種”和“碳—銅活性物種”。

另外，該團隊還開發了原位電子順磁共振波譜—交流電解聯用表征技術，首次觀測到不同交流電信號動態調控銅催化物種活性的變化規律。基于可編程交流電合成技術，團隊成功實現銅催化活化烷烴直接碳氫鍵氧化偶聯反應和氧化雙官能團化反應，這兩類反應在傳統氧化劑條件和直流電氧化條件下均表現出較差的反應性。

這項研究為一體式電解池條件下，金屬催化耦合電催化發展新型合成反應提供可行路徑。可編程波形交流電合成技術的出現，將為合成電化學新技術在綠色物質制造等更廣泛應用領域提供極大助力，為化學化工綠色化、智能化和高端化提供新動能。

（2024年7月15日 吳純新 吳江龍 朱永成 科技日報）

科學家創有機小分子

催化新紀錄

中國科學報2024年7月18日報道，1個催化劑分子，完成了100萬次催化。這一突破創下了有機小分子催化的新紀錄，可以和自然界的酶相媲美。

近日，西湖大學徐益明講席教授鄧力實驗室在《美國化學會志》第146卷第24期發表了題為《ppm級不對稱弱鍵有機催化合成α-氨基膦酸酯》的封面文章。他們模擬酶的能力，以弱鍵作為主要驅動力創造了高效。

催化效率低嚴重制約有機催化領域的發展，成為該領域最具挑戰的科學問題之一。是否可能模仿生物酶催化機制開發新一代有機小分子催化劑，以實現媲美酶催化效率而依然保持底物范圍優勢？這個問題對于有機催化領域的理論發展和其在合成化學中的應用前景至關重要。

鄧力團隊開發手性季銨鹽有機小分子催化劑，成功建立了α-氨基膦酸衍生物不對稱合成最高效實用的合成新方法。高對映選擇性地合成了一系列手性氨基膦酸酯。尤其值得關注的是，在0.8-50 ppm（百萬分之一）催化劑載量下可合成各種α-烷基手性氨基膦酸酯，催化劑可達到20 000以上的轉換數，展現出媲美生物酶的催化效率。當以α-甲基亞胺膦酸酯為底物時，轉化數超過百萬，為不對稱有機催化新紀錄。

“這些結果展示了團隊所開發的分子量，僅為生物酶分子1～2%小分子有機催化劑，可兼具廣泛底物適用性和類酶高催化效率。”鄧力說。

在研究中，鄧力團隊尋找到另一條路，效法自然，實現弱鍵催化。該有機小分子弱鍵催化機制與金屬催化機制截然不同，而與廣泛基于弱鍵的酶催化機制異曲同工，鄧力團隊將其命名為小分子“酶”。

該項研究工作實現了ppm級手性季銨鹽催化的α-亞胺膦酸酯高效不對稱異構化反應。該金雞納堿衍生的仿生催化劑在對多種α-脂肪族-亞胺膦酸酯異構化中展現了與酶相當的催化效率，其中TON最高超過百萬。理論計算和機理實驗研究揭示了這種小分子催化劑實現媲美酶效率的機制，并發現其遵循了酶催化的基本原理。就催化效率、機理和底物兼容性而言，這種季銨鹽催化劑可視為小分子“異構化酶”。

（2024年7月18日 溫才妃 中國科學報）

新催化劑能使氫氣和化肥

同步產出

科技日報2024年7月18日報道，德國波鴻魯爾大學和杜伊斯堡—埃森大學的科學家們發現了一種新型催化劑，能夠促進將氨轉化為氫氣和肥料前體亞硝酸鹽的化學反應。相關研究論文發表于最新一期《德國應用化學》雜志。

此前，生產氫氣和生產肥料分屬于不同的化學過程。研究人員解釋說，氫氣的生產通常是通過電解水實現的，而為了實現可持續性，這個過程需要依賴可再生能源。此外，氫氣的運輸方式主要有液態和氣態兩種，但氫氣只有在-253℃的極低溫度或高壓下才會變成液體，因此其運輸難度相對較大。替代方案是在生產現場將氫氣轉化為氨（NH3），因為氨在-33℃時即可液化，而且其能量密度高，更便于運輸。使用時，科學家通過反向哈伯-博施反應，將氨轉化為氮氣和氫氣。

由于氮氣的化學鍵非常牢固，所以氨很容易轉化為氮氣，卻很難轉化為亞硝酸鹽。研究人員面臨的挑戰是找到一種合適的催化劑。經過實驗，他們證明多金屬催化劑適用于這一目的。

研究人員結合反向哈伯-博施反應與水的二次電解，使用氣體擴散電極，并在該反應中添加了多金屬催化劑。結果顯示，氨和水發生反應時，產生亞硝酸鹽和氫氣。該反應可將87%的轉移電子用于轉化成亞硝酸鹽，而且這一過程中氫氣產量會加倍。亞硝酸鹽可以進一步加工成肥料。

該研究首次證明這兩個化學過程可以在實驗室規模上結合使用，但要實現工業規模生產，還有很長的路要走。

（2024年7月18日 劉霞 科技日報）

云南天文臺探測到超新星激波

突破信號

科技日報2024年7月23日報道，從中國科學院云南天文臺獲悉，該臺研究員張居甲領銜的國際合作團隊，近期成功捕捉到超新星的爆炸激波沖破其外圍致密星周物質的壯觀瞬間。這一成果不僅加深了人們對于超新星激波爆發物理機制的認識，還為揭示恒星晚期演化與死亡之謎提供了新的關鍵線索。相關論文于7月19日發表在國際期刊《天體物理學雜志快報》上。

激波突破是超新星爆發后最早期的電磁輻射事件，它能揭示恒星死亡瞬間的極端物理過程，包括激波的形成、傳播及其與恒星表面和周圍物質的相互作用，可為研究超新星爆炸機制提供寶貴的線索。通常，激波突破發生的時間非常短暫，僅持續幾秒鐘或幾分鐘，因此極難被探測到。

“超新星SN 2024ggi的爆發給我們提供了難得的機會！”張居甲介紹，這顆超新星位于NGC3621星系，距離地球約2 000萬光年。研究團隊利用云南天文臺麗江2.4米望遠鏡、歐洲南方天文臺10米甚大望遠鏡、意大利伽利略國家天文臺3.6米望遠鏡等先進天文設備，在爆炸最初的幾十小時內交替進行高頻光譜監測，成功捕捉到激波突破信號，揭示了復雜的激波傳播過程。

在爆發后的13.9至16.2小時內，研究人員通過麗江2.4米望遠鏡的四次光譜觀測，發現被激波激化的星周物質維持在相對較低的電離狀態。然而，幾個小時后，這些物質便達到了相當高的電離狀態，這說明激波為星周物質注入了大量的能量，并逐漸突破其阻礙。基于所觀測的信號，研究人員精確計算出激波突破的時間和區域，并對星周物質的密度及分布作了科學的測算。

通過捕獲這顆超新星激波突破信號，研究團隊得以探究其前身星在最后階段的演化，為揭開恒星死亡之謎提供了寶貴的數據。這項研究不僅有助于天文學界更好地理解超新星爆發的初期過程，以及激波在非對稱的星周物質中傳播的特性，還進一步提升了人們對恒星演化和超新星爆發事件的整體認識。

（2024年7月24日 趙漢斌 科技日報）

無溶劑干電極可提高

鋰離子電池性能

科技日報2024年7月23日報道，韓國蔚山國家科學技術研究所的研究團隊在開發環保型鋰離子電池干電極制造工藝方面取得了重大突破。新工藝無需使用有害溶劑，可提高電池性能并促進可持續性。研究結果發表在最新一期《化學工程雜志》上。

研究團隊推出的一種新型無溶劑干電極工藝，使用聚四氟乙烯（PTFE）作為黏合劑。這一創新方法成功解決了傳統濕電極制備過程中存在的難題。傳統方法往往導致黏合劑和導電材料分布不均勻，從而降低了電極性能。

干電極工藝分為四個階段：造粒、成膜、壓延、疊層。該團隊通過評估每個階段半成品的物理、電氣和電化學性能來優化工藝條件。結果表明，高擠出率的聚四氟乙烯黏合劑即使在低能耗的情況下也可以生產出高強度的電極膜，從而改善微觀結構和功率特性。

在鋰離子電池中，黏合劑在連接活性材料和電子方面發揮著至關重要的作用。研究表明，聚四氟乙烯黏合劑的類型和含量顯著影響干電極的輸出特性。研究人員確定了一種最佳配方，在0.5C（即充放電速率為電池額定容量的一半）下，電池能夠以80%的效率釋放其存儲的電量。

研究人員表示，這一突破將為大規模生產提供可擴展且實用的解決方案，從而有助于商業化。他們相信，這一研究有望為環保、高效的能源存儲電極制造開辟新道路。

（2024年7月23日 張佳欣 科技日報）

機器學習提升天氣與氣候

預測準確度

中國科學報2024年7月23日報道，谷歌研究公司的Stephan Hoyer與合作者開發了一個機器學習模型，能進行準確的天氣預測和氣候模擬。該模型名為NeuralGCM，能超越部分現有天氣和氣候預測模型，有望比傳統模型節省大量算力。相關研究7月22日發表于《自然》。

一般環流模型表示了大氣、海洋和陸地的物理過程，是天氣和氣候預測的基礎。減少長期預報的不確定性以及估算極端天氣事件是理解氣候緩解和適應的關鍵。機器學習模型一直被認為是天氣預測的一種替代手段，且具有節省算力成本的優勢，但它們在長期預報的表現常常不如一般環流模型。

Hoyer等人設計的模型結合了機器學習和物理方法，能進行中短期天氣預報以及幾十年的氣候模擬。該模型對1至15天預報的準確率能媲美歐洲中期天氣預報中心（ECMWF，最好的傳統物理天氣模型之一）的預測結果。對于最多提前10天的預報，NeuralGCM的準確率與現有機器學習技術不相上下，有時甚至更好。

NeuralGCM的氣候模擬準確率與最好的機器學習和物理方法相當。當研究者在NeuralGCM的40年氣候預測中加入海平面溫度后，他們發現模型給出的結果與從ECMWF數據中發現的全球變暖趨勢一致。NeuralGCM 在預測龍卷風及其軌跡方面也超過了已有的氣候模型。這些結果表明，機器學習是提升一般環流模型的一個可行手段。

（2024年5月18日 史俊斌 科技日報）