In-Co二元金属氧化物上CO2催化加氢反应的选择性转变:催化反应的机理和构效关系

采用催化加氢的方式将CO₂转化为甲醇,既可以减少CO₂排放,又制备了化学品,该反应具有重要的研究意义.氧化铟(In₂O₃)作为CO2加氢制甲醇催化剂,由于其较高的CO₂活化能力和甲醇选择性,被科研工作者广泛研究.其中,将具有良好解离H2能力的过渡金属元素引入In₂O₃(M/In₂O₃)是有效提高催化剂性能的策略之一,然而,M/In₂O₃体系催化CO₂加氢反应机理及活性位点仍不清楚.本文引入Co制备了In-Co二元金属氧化物催化剂应用于CO2加氢制甲醇,结果表明,相较于In₂O₃,In-Co催化剂性能有很大提升,其中In1-Co₄催化剂上甲醇时空产率(9.7 mmol·g_cat^-1 h^-1)是In₂O₃(2.2 mmol·g_cat^-1 h^-1)的近5倍(反应条件:P=4.0 MPa,T=300℃,GHSV=24000 cm³ _STP g_cat^-1 h^-1,H2/CO₂=3).值得注意的是,尽管Co是金属元素的主体,In-Co催化剂中Co催化CO₂甲烷化的活性受到明显抑制.本文还通过多种技术系统研究了催化剂结构与反应选择性转变间的关系.采用电感耦合等离子体发射光谱、粉末X射线衍射、拉曼光谱、X射线光电子能谱和透射电子显微镜等对催化剂结构以及表面性质进行了表征.结果表明,在H₂还原气氛诱导下,In-Co催化剂表面发生重构,形成以CoO为核,以In₂O₃为壳的核壳结构,其在高压反应后仍能保持稳定;更重要的是,该核壳结构可以显著增强In-Co催化剂吸附及活化CO₂的能力.CO₂加氢反应动力学研究表明,Co催化剂上H₂分压对CO₂加氢为零级反应,而H₂分压在In-Co上的反应级数为正数;In-Co催化剂上,CO₂分压的反应级数接近于零,表明CO₂及其衍生物在In-Co的表面吸附饱和,但在纯Co上,则不会发生这种饱和吸附.通过原位DRIFTS研究了催化反应路径和关键中间物种的吸附及反应行为,发现CO₂加氢在纯Co和In-Co上的催化机理均遵循甲酸盐路径.在该催化路径中,CO₂首先加氢为甲酸盐(*HCOO)物种,随后加氢为甲氧基(*CH₃O).*CH₃O在Co催化剂上进一步加氢生成CH₄,而*CH₃O在In-Co催化剂上则会脱附生成CH₃OH.根据表征结果,本文认为,在还原性气氛下,In-Co发生了重构并生成表面富In₂O₃的核壳状结构,显著提高了催化剂对CO₂和含碳物种的吸附能力.Co和In-Co催化剂对CO₂加氢反应选择性的差异归因于催化剂对CO₂和对*HCOO等含碳中间物种的吸附稳定性不同.CO₂及其衍生的含碳中间物种在In-Co催化剂上的吸附能力比在Co催化剂上强,形成了较合适的催化剂表面C/H比,从而使*CH₃O能够脱附为CH₃OH,而不是进一步加氢为CH₄.综上,本文研究为高活性In-Co催化剂体系在CO₂加氢反应中的催化机理及行为提供了解释,为金属-氧化铟(M-In₂O₃)催化剂体系的设计提供了参考.     

In-Co二元金属氧化物上CO2催化加氢反应的选择性转变:催化反应的机理和构效关系

采用催化加氢的方式将CO₂转化为甲醇,既可以减少CO₂排放,又制备了化学品,该反应具有重要的研究意义.氧化铟(In₂O₃)作为CO2加氢制甲醇催化剂,由于其较高的CO₂活化能力和甲醇选择性,被科研工作者广泛研究.其中,将具有良好解离H2能力的过渡金属元素引入In₂O₃(M/In₂O₃)是有效提高催化剂性能的策略之一,然而,M/In₂O₃体系催化CO₂加氢反应机理及活性位点仍不清楚.本文引入Co制备了In-Co二元金属氧化物催化剂应用于CO2加氢制甲醇,结果表明,相较于In₂O₃,In-Co催化剂性能有很大提升,其中In1-Co₄催化剂上甲醇时空产率(9.7 mmol·g_cat^-1 h^-1)是In₂O₃(2.2 mmol·g_cat^-1 h^-1)的近5倍(反应条件:P=4.0 MPa,T=300℃,GHSV=24000 cm³ _STP g_cat^-1 h^-1,H2/CO₂=3).值得注意的是,尽管Co是金属元素的主体,In-Co催化剂中Co催化CO₂甲烷化的活性受到明显抑制.本文还通过多种技术系统研究了催化剂结构与反应选择性转变间的关系.采用电感耦合等离子体发射光谱、粉末X射线衍射、拉曼光谱、X射线光电子能谱和透射电子显微镜等对催化剂结构以及表面性质进行了表征.结果表明,在H₂还原气氛诱导下,In-Co催化剂表面发生重构,形成以CoO为核,以In₂O₃为壳的核壳结构,其在高压反应后仍能保持稳定;更重要的是,该核壳结构可以显著增强In-Co催化剂吸附及活化CO₂的能力.CO₂加氢反应动力学研究表明,Co催化剂上H₂分压对CO₂加氢为零级反应,而H₂分压在In-Co上的反应级数为正数;In-Co催化剂上,CO₂分压的反应级数接近于零,表明CO₂及其衍生物在In-Co的表面吸附饱和,但在纯Co上,则不会发生这种饱和吸附.通过原位DRIFTS研究了催化反应路径和关键中间物种的吸附及反应行为,发现CO₂加氢在纯Co和In-Co上的催化机理均遵循甲酸盐路径.在该催化路径中,CO₂首先加氢为甲酸盐(*HCOO)物种,随后加氢为甲氧基(*CH₃O).*CH₃O在Co催化剂上进一步加氢生成CH₄,而*CH₃O在In-Co催化剂上则会脱附生成CH₃OH.根据表征结果,本文认为,在还原性气氛下,In-Co发生了重构并生成表面富In₂O₃的核壳状结构,显著提高了催化剂对CO₂和含碳物种的吸附能力.Co和In-Co催化剂对CO₂加氢反应选择性的差异归因于催化剂对CO₂和对*HCOO等含碳中间物种的吸附稳定性不同.CO₂及其衍生的含碳中间物种在In-Co催化剂上的吸附能力比在Co催化剂上强,形成了较合适的催化剂表面C/H比,从而使*CH₃O能够脱附为CH₃OH,而不是进一步加氢为CH₄.综上,本文研究为高活性In-Co催化剂体系在CO₂加氢反应中的催化机理及行为提供了解释,为金属-氧化铟(M-In₂O₃)催化剂体系的设计提供了参考.     

多任务神经网络对原子核低激发谱的研究

原子核低激发谱对深入理解原子核结构具有重要作用。采用多任务反向传播(Back Propagation,BP)的神经网络方法系统研究了原子核$ {2}_{1}^{+} $和$ {4}_{1}^{+} $的激发能量。除了质子数和中子数外,通过在网络输入层增加一个有关原子核集体性的物理量,BP神经网络在0.1 MeV到数MeV的能量范围内很好地拟合了原子核的低激发能。相比五维集体哈密顿量(Five-Dimensional Collective Hamiltonian,5DCH)方法,BP神经网络更好地再现了原子核低激发能的同位素趋势,以及由壳效应导致的幻数原子核低激发能的突然增大,并且将$ {2}_{1}^{+} $和$ {4}_{1}^{+} $激发能的预言精度分别提高了约80%和75%,该预言精度与单任务神经网络基本一致,但是改进了对轻核区与缺中子核区低激发谱的学习能力,这说明多任务神经网络可以实现多种激发能量的统一精确计算。