摘要
铂基催化剂是丙烷脱氢反应过程中被广泛使用的催化剂，烧结和结焦现象是影响其催化性能的最主要的两种不利因素。引入第二种金属助剂可以有效改善铂基催化剂的催化性能，一定程度上防止颗粒烧结及焦炭沉积现象的发生。本文使用第一性原理计算、机器学习以及微观反应动力学分析等方法对丙烷脱氢铂基催化剂助剂的筛选进行了详细的研究: (1)建立六种不同比例、不同构型的催化剂结构，为双金属催化剂结构进行充分的描述。添加金属助剂后，利用第一性原理计算获取丙烷和丙烯在催化剂表面的吸附能以及丙烷和丙烯C-H键活化的势垒，构建出机器学习的数据集。采用梯度增强回归、K近邻回归、随机森林回归、自适应增强回归和基于压缩感知原理的数据驱动方法SISSO等五种机器学习方法进行研究。借助均方根误差、平方相关系数等评估手段指认出构建的梯度增强回归模型与SISSO模型为性能最优的机器学习模型。通过特征重要性分析，找出金属助剂特征描述符与双金属催化剂性能的潜在关系。利用指认的机器学习模型对未经计算的剩余掺杂构型进行吸附能及势垒的预测，以纯铂表面的相关数据作为筛选阈值，对所有预测结果进行初步筛选。通过反应速率的计算结果和电子结构分析验证预测结果的准确性，证实表层以3∶1比例掺杂的铂钼双金属催化剂具有最优良的催化性能。 (2)通过第一性原理计算和微观反应动力学模拟相结合的方法，对于铂基催化剂加入Mo助剂前后的相关动力学性能进行深入研究，探究Mo助剂对于丙烷脱氢过程中活性与选择性的影响。借助密度泛函理论获得表面发生基元反应所对应的反应能以及过渡态势垒，将其用作微观反应动力学模拟的输入数据。对掺杂Mo助剂前后催化体系的反应速率、反应级数、速率控制程度、覆盖度等结果进行分析，证实Mo助剂对催化体系的积极影响，可以有效提高催化活性及选择性。从动力学角度验证机器学习筛选结果的准确性，同时也为铂基催化剂的设计提供更充分的理论基础。
NETL