机器人赋能催化剂制备:北大张锦/邹如强团队最新成果登上Nature Synthesis

导语: 北京时间2026年2月27日, 北京大学张锦教授, 邹如强教授, 联合MIT李巨教授, 新加坡国立大学吕炯教授, 上海交通大学汪圣尧副教授在Nature Synthesis发表题为“Click-locking strategy enables automated synthesis of single-atom catalysts with industrial compatibility”的研究论文. 该研究聚焦单原子催化剂面临的“难稳定, 难放大, 难自动化”关键瓶颈, 提出了一种由机器人技术驱动的“点击锁定”策略, 为单原子催化剂的精准构筑, 快速筛选和工业兼容制备开辟了新路径. 定义“点击单原子催化剂” 传统单原子催化剂(single-atom catalysts, SACs)的合成通常依赖较弱的金属–载体相互作用, 因此在稳定性, 可重复性和可扩展性方面存在明显局限. 针对这一问题, 研究团队提出利用点击辅助剂(clicking auxiliaries)将单原子更加稳定地固定于载体表面, 构建出一类新的点击单原子催化剂(clicking-single-atom catalysts, C-SACs). 这一模块化设计不仅支持高通量合成, 也为后续规模化放大奠定了基础. 在该体系中, 点击辅助剂在合成过程中发挥核心作用. 其通过提供特定驱动力, 确保单原子能够以稳定且位点特异的方式锚定于载体表面. 本文以库仑吸引(电子–阳离子相互作用)作为代表性的“点击驱动力”, 阐明了其在促进单原子稳定锚定中的关键作用. 点击辅助剂能够向原本中性的载体表面引入负电荷, 从而有效促进金属离子(M)的锚定与负载. 经过“点击”处理后的载体, 其电子结构更易形成与金属轨道相匹配的成键轨道, 从而实现更强的金属–载体相互作用;相比之下, 未经“点击”的载体通常只能形成较弱的结合状态. 图1 点击单原子催化剂设计理念 机器人驱动的高通量合成 为了推动 C-SACs 从概念验证走向实际应用, 其开发与规模化必须依赖自动化和高通量合成能力. 这不仅是实现工业可行性和实验可重复性的关键, 也是加速催化剂制备与测试流程优化的重要基础. C-SACs 合成方法本身具有鲜明的模块化特征, 因此天然适合机器人驱动平台, 在效率, 一致性和可扩展性方面展现出显著优势. 基于这一理念, 研究团队构建了机器人驱动的高通量合成体系, 实现了粉体型催化剂和电极负载型催化剂两类样品的自动化制备. 该平台将液体处理机器人, 机械臂, 样品传输与热处理模块有机整合, 可实现载体, 点击辅助剂和金属前驱体的程序化调用与高效组合, 大幅提升了单原子催化剂制备的自动化水平和筛选效率. 图2 机器人驱动的高通量合成 机器人驱动的高通量性能评价 在实现自动化制备的基础上, 团队进一步建立了机器人驱动的高通量性能评价体系, 将材料合成与性能测试有效衔接. 借助自动化平台, 研究人员能够快速完成大量候选催化剂的制备, 测试与筛选, 从而构建起数据更加丰富, 反馈更加高效的催化剂研发流程. 基于该平台, 团队筛选出一系列在电催化, 光催化和热催化中表现优异的 C-SACs 候选体系, 覆盖析氢反应(HER), 析氧反应(OER), 尿素氧化反应(UOR), CO 还原以及 NO 还原等多个重要反应. 机器人技术的引入, 使催化剂研发从传统依赖经验的“手工试错”模式, 迈向更加标准化, 可编程和高通量的新阶段. 图3 机器人驱动的高通量催化性能评价 宏量合成与工业催化性能评价 除高通量合成与筛选外, 研究团队还进一步验证了该策略在大规模制备和工业相关反应中的可行性. 通过放大合成, 团队成功在 100 L 反应器中实现了 10 kg 以上 C-SACs 的制备, 显示出该策略优异的工程放大潜力. 在工业催化性能评估中, 相关催化剂在 CO 氧化, NH-SCR 脱硝以及 CO 加氢等反应中展现出优异的活性, 选择性和长期稳定性. 此外, 团队还在 C 馏分加氢这一工业相关反应中, 采用真实工业原料进行了测试并获得成功. 尤其是在长时间运行和复杂工况条件下, C-SACs 仍能够保持稳定的结构与性能, 体现出较强的抗烧结和抗中毒能力. 这表明, 机器人赋能下的 click-locking 策略不仅适用于实验室尺度的催化剂研发, 也具备迈向工业兼容制造的现实前景. 图4 宏量制备与热催化性能测试 总结 总体而言, 本研究通过引入点击辅助剂, 将单原子稳定锚定于载体表面, 并同步实现电子结构的精细调控, 突破了长期制约单原子催化由实验室研究走向工业应用的关键障碍. 更重要的是, 团队构建了一个机器人驱动的高通量合成平台, 不仅实现了催化剂的快速筛选, 还进一步在工业反应器中完成了公斤级放大制备. 模块化, 机器人驱动的高通量工作流程还能够生成数据丰富, 结构化程度高的实验数据, 为 AI 辅助的 C-SACs 发现, 闭环优化以及自主化设计奠定了坚实基础. 这一成果不仅展示了机器人技术赋能催化剂制备的巨大潜力, 也为 AI4S 驱动的催化材料智能发现与制造提供了重要新范式. 论文信息: Weibin Chen, Long Feng, Bingbing Ma, et al. Click-locking strategy enables automated synthesis of single-atom catalysts with industrial compatibility. Nature Synthesis, 2026. DOI: 10. 1038/s44160-026-01004-9 主要作者简介: 邹如强, 北京大学博雅特聘教授, 博士生导师, 国家杰出青年基金获得者. 现任北京大学材料科学与工程学院院长, 北京大学深圳研究生院新材料学院院长, 北京大学清洁能源研究院院长, 目前已在Nature, Nature Synth. , Nature chem. , Nat. Commun. , Joule, Adv. Mater. , Energy Environ. Sci. , Angew. Chem. Int. Ed. , 等高水平国际权威期刊上共发表SCI论文300余篇, 引用4. 5 万余次. 李巨, MIT终身教授, 美国材料学会会士(MRS Fellow), 美国科学促进会会士(AAAS Fellow), 美国总统青年科学家奖获得者. 研究方向包括人工智能驱动的科学探索以及能源存储与转换新方法等. 已在Nature, Science, Nature Energy 等期刊发表论文 700 余篇, 总被引接近10万次, H 指数 159. 吕炯,  新加坡国立大学化学系, 功能智能材料学院院长讲席教授. 近年来, 课题组在顶级学术期刊发表一系列高水平论文, 其中包括30+ Nature/Science 及其子刊. 汪圣尧, 上海交通大学副教授, 博士生导师, 入选国家级青年人才项目. 近年来主要从事无机, 有机半导体光催化材料开发及其在光催化 N 固定, CO 还原, CH 活化及 NO 去除等方向的应用研究. 以第一作者或通讯作者在 Nat. Commun. , J. Am. Chem. Soc. , Adv. Mater.  等国际著名期刊发表 SCI 论文 20 余篇. 陈为彬, MIT博士后研究员(合作导师:李巨教授), 博士毕业于北京大学材料学院(导师:邹如强教授). 主要从事人工智能驱动的催化剂与反应器精准设计及加速开发研究. 近年来以第一作者(含共同一作)在Nature, Nature Synth. , Nature Commun. , Adv. Mater. (*2), Energy Environ. Sci. , Angew. Chem. Int. Ed. , ACS Catal. (*2)等高水平期刊发表论文 20 余篇.