科技资讯

我国科研团队首创程序化

交流电合成新技术

科技日报2024年7月15日报道，从武汉大学获悉，该校高等研究院、化学与分子科学学院雷爱文教授团队首创程序化交流电合成新技术应用于铜催化碳氢键转化反应，解决了电合成条件下过渡金属催化剂容易在阴极析出失活而必须使用分离池的科学难题。7月11日相关研究成果在线发表于《科学》杂志。

合成电化学新技术是国际纯粹与应用化学联合会（IUPAC）评定的2023年度化学领域十大新兴技术之一。因为其具备绿色、安全和低能耗特性，可用于解决当前基于化石能源驱动的现行生产力产生的环境污染、安全生产风险和高能耗问题。

雷爱文介绍，这种新兴合成技术主要以直流电（DC）作为驱动力，通过调节电流或者电压控制化学反应过程。交流电（AC）具有极性反转和周期性波动特点，且具备如波形、频率、占空比等更多可调节电学参数的优势，为实现精准物质制造提供“无限潜力”。

然而，更多维度的电学参数引入电化学合成反应中会导致可优化的反应条件呈指数级增加，极大增加了研究难度。因此，迄今为止交流电合成技术仍然处于萌芽阶段，仅有数例简单应用研究见诸报道。

雷爱文团队耕耘绿色合成化学超过15年，该项研究首创开发了可编程波形交流电（pAC）合成技术，实现了铜催化的放氢气氧化交叉偶联反应。通过对交流电波形的电学参数（频率、电流和占空比）进行程序编辑，可得到定制化交流电信号。

不同编辑模式的电信号不仅促进电解条件下铜催化剂循环再生，且分别精准调控铜催化剂形成“铜结合碳自由基物种”和“碳—铜活性物种”。

另外，该团队还开发了原位电子顺磁共振波谱—交流电解联用表征技术，首次观测到不同交流电信号动态调控铜催化物种活性的变化规律。基于可编程交流电合成技术，团队成功实现铜催化活化烷烃直接碳氢键氧化偶联反应和氧化双官能团化反应，这两类反应在传统氧化剂条件和直流电氧化条件下均表现出较差的反应性。

这项研究为一体式电解池条件下，金属催化耦合电催化发展新型合成反应提供可行路径。可编程波形交流电合成技术的出现，将为合成电化学新技术在绿色物质制造等更广泛应用领域提供极大助力，为化学化工绿色化、智能化和高端化提供新动能。

（2024年7月15日 吴纯新 吴江龙 朱永成 科技日报）

科学家创有机小分子

催化新纪录

中国科学报2024年7月18日报道，1个催化剂分子，完成了100万次催化。这一突破创下了有机小分子催化的新纪录，可以和自然界的酶相媲美。

近日，西湖大学徐益明讲席教授邓力实验室在《美国化学会志》第146卷第24期发表了题为《ppm级不对称弱键有机催化合成α-氨基膦酸酯》的封面文章。他们模拟酶的能力，以弱键作为主要驱动力创造了高效。

催化效率低严重制约有机催化领域的发展，成为该领域最具挑战的科学问题之一。是否可能模仿生物酶催化机制开发新一代有机小分子催化剂，以实现媲美酶催化效率而依然保持底物范围优势？这个问题对于有机催化领域的理论发展和其在合成化学中的应用前景至关重要。

邓力团队开发手性季铵盐有机小分子催化剂，成功建立了α-氨基膦酸衍生物不对称合成最高效实用的合成新方法。高对映选择性地合成了一系列手性氨基膦酸酯。尤其值得关注的是，在0.8-50 ppm（百万分之一）催化剂载量下可合成各种α-烷基手性氨基膦酸酯，催化剂可达到20 000以上的转换数，展现出媲美生物酶的催化效率。当以α-甲基亚胺膦酸酯为底物时，转化数超过百万，为不对称有机催化新纪录。

“这些结果展示了团队所开发的分子量，仅为生物酶分子1～2%小分子有机催化剂，可兼具广泛底物适用性和类酶高催化效率。”邓力说。

在研究中，邓力团队寻找到另一条路，效法自然，实现弱键催化。该有机小分子弱键催化机制与金属催化机制截然不同，而与广泛基于弱键的酶催化机制异曲同工，邓力团队将其命名为小分子“酶”。

该项研究工作实现了ppm级手性季铵盐催化的α-亚胺膦酸酯高效不对称异构化反应。该金鸡纳碱衍生的仿生催化剂在对多种α-脂肪族-亚胺膦酸酯异构化中展现了与酶相当的催化效率，其中TON最高超过百万。理论计算和机理实验研究揭示了这种小分子催化剂实现媲美酶效率的机制，并发现其遵循了酶催化的基本原理。就催化效率、机理和底物兼容性而言，这种季铵盐催化剂可视为小分子“异构化酶”。

（2024年7月18日 温才妃 中国科学报）

新催化剂能使氢气和化肥

同步产出

科技日报2024年7月18日报道，德国波鸿鲁尔大学和杜伊斯堡—埃森大学的科学家们发现了一种新型催化剂，能够促进将氨转化为氢气和肥料前体亚硝酸盐的化学反应。相关研究论文发表于最新一期《德国应用化学》杂志。

此前，生产氢气和生产肥料分属于不同的化学过程。研究人员解释说，氢气的生产通常是通过电解水实现的，而为了实现可持续性，这个过程需要依赖可再生能源。此外，氢气的运输方式主要有液态和气态两种，但氢气只有在-253℃的极低温度或高压下才会变成液体，因此其运输难度相对较大。替代方案是在生产现场将氢气转化为氨（NH3），因为氨在-33℃时即可液化，而且其能量密度高，更便于运输。使用时，科学家通过反向哈伯-博施反应，将氨转化为氮气和氢气。

由于氮气的化学键非常牢固，所以氨很容易转化为氮气，却很难转化为亚硝酸盐。研究人员面临的挑战是找到一种合适的催化剂。经过实验，他们证明多金属催化剂适用于这一目的。

研究人员结合反向哈伯-博施反应与水的二次电解，使用气体扩散电极，并在该反应中添加了多金属催化剂。结果显示，氨和水发生反应时，产生亚硝酸盐和氢气。该反应可将87%的转移电子用于转化成亚硝酸盐，而且这一过程中氢气产量会加倍。亚硝酸盐可以进一步加工成肥料。

该研究首次证明这两个化学过程可以在实验室规模上结合使用，但要实现工业规模生产，还有很长的路要走。

（2024年7月18日 刘霞 科技日报）

云南天文台探测到超新星激波

突破信号

科技日报2024年7月23日报道，从中国科学院云南天文台获悉，该台研究员张居甲领衔的国际合作团队，近期成功捕捉到超新星的爆炸激波冲破其外围致密星周物质的壮观瞬间。这一成果不仅加深了人们对于超新星激波爆发物理机制的认识，还为揭示恒星晚期演化与死亡之谜提供了新的关键线索。相关论文于7月19日发表在国际期刊《天体物理学杂志快报》上。

激波突破是超新星爆发后最早期的电磁辐射事件，它能揭示恒星死亡瞬间的极端物理过程，包括激波的形成、传播及其与恒星表面和周围物质的相互作用，可为研究超新星爆炸机制提供宝贵的线索。通常，激波突破发生的时间非常短暂，仅持续几秒钟或几分钟，因此极难被探测到。

“超新星SN 2024ggi的爆发给我们提供了难得的机会！”张居甲介绍，这颗超新星位于NGC3621星系，距离地球约2 000万光年。研究团队利用云南天文台丽江2.4米望远镜、欧洲南方天文台10米甚大望远镜、意大利伽利略国家天文台3.6米望远镜等先进天文设备，在爆炸最初的几十小时内交替进行高频光谱监测，成功捕捉到激波突破信号，揭示了复杂的激波传播过程。

在爆发后的13.9至16.2小时内，研究人员通过丽江2.4米望远镜的四次光谱观测，发现被激波激化的星周物质维持在相对较低的电离状态。然而，几个小时后，这些物质便达到了相当高的电离状态，这说明激波为星周物质注入了大量的能量，并逐渐突破其阻碍。基于所观测的信号，研究人员精确计算出激波突破的时间和区域，并对星周物质的密度及分布作了科学的测算。

通过捕获这颗超新星激波突破信号，研究团队得以探究其前身星在最后阶段的演化，为揭开恒星死亡之谜提供了宝贵的数据。这项研究不仅有助于天文学界更好地理解超新星爆发的初期过程，以及激波在非对称的星周物质中传播的特性，还进一步提升了人们对恒星演化和超新星爆发事件的整体认识。

（2024年7月24日 赵汉斌 科技日报）

无溶剂干电极可提高

锂离子电池性能

科技日报2024年7月23日报道，韩国蔚山国家科学技术研究所的研究团队在开发环保型锂离子电池干电极制造工艺方面取得了重大突破。新工艺无需使用有害溶剂，可提高电池性能并促进可持续性。研究结果发表在最新一期《化学工程杂志》上。

研究团队推出的一种新型无溶剂干电极工艺，使用聚四氟乙烯（PTFE）作为黏合剂。这一创新方法成功解决了传统湿电极制备过程中存在的难题。传统方法往往导致黏合剂和导电材料分布不均匀，从而降低了电极性能。

干电极工艺分为四个阶段：造粒、成膜、压延、叠层。该团队通过评估每个阶段半成品的物理、电气和电化学性能来优化工艺条件。结果表明，高挤出率的聚四氟乙烯黏合剂即使在低能耗的情况下也可以生产出高强度的电极膜，从而改善微观结构和功率特性。

在锂离子电池中，黏合剂在连接活性材料和电子方面发挥着至关重要的作用。研究表明，聚四氟乙烯黏合剂的类型和含量显著影响干电极的输出特性。研究人员确定了一种最佳配方，在0.5C（即充放电速率为电池额定容量的一半）下，电池能够以80%的效率释放其存储的电量。

研究人员表示，这一突破将为大规模生产提供可扩展且实用的解决方案，从而有助于商业化。他们相信，这一研究有望为环保、高效的能源存储电极制造开辟新道路。

（2024年7月23日 张佳欣 科技日报）

机器学习提升天气与气候

预测准确度

中国科学报2024年7月23日报道，谷歌研究公司的Stephan Hoyer与合作者开发了一个机器学习模型，能进行准确的天气预测和气候模拟。该模型名为NeuralGCM，能超越部分现有天气和气候预测模型，有望比传统模型节省大量算力。相关研究7月22日发表于《自然》。

一般环流模型表示了大气、海洋和陆地的物理过程，是天气和气候预测的基础。减少长期预报的不确定性以及估算极端天气事件是理解气候缓解和适应的关键。机器学习模型一直被认为是天气预测的一种替代手段，且具有节省算力成本的优势，但它们在长期预报的表现常常不如一般环流模型。

Hoyer等人设计的模型结合了机器学习和物理方法，能进行中短期天气预报以及几十年的气候模拟。该模型对1至15天预报的准确率能媲美欧洲中期天气预报中心（ECMWF，最好的传统物理天气模型之一）的预测结果。对于最多提前10天的预报，NeuralGCM的准确率与现有机器学习技术不相上下，有时甚至更好。

NeuralGCM的气候模拟准确率与最好的机器学习和物理方法相当。当研究者在NeuralGCM的40年气候预测中加入海平面温度后，他们发现模型给出的结果与从ECMWF数据中发现的全球变暖趋势一致。NeuralGCM 在预测龙卷风及其轨迹方面也超过了已有的气候模型。这些结果表明，机器学习是提升一般环流模型的一个可行手段。

（2024年5月18日 史俊斌 科技日报）