l AI或加快电法合成氨催化剂研发
合成氨是全球产量仅次于硫酸的重要化学品，主要用于生产化肥，对世界粮食供应至关重要，但目前超过90%合成氨仍使用传统哈伯-博世法生产，能耗高且依赖化石燃料提供热量，贡献了全球能源需求量的2%和温室气体排放量的约1.5%，其所需氢气也主要以化石能源为原料。尽管电化学法作为替代方案早已存在，但其生产效率和成本远未达到工业化生产要求，关键瓶颈是催化剂，传统试错法导致研究进展缓慢是重要原因。麻省理工大学（MIT）研究团队将机器学习与密度泛函理论相结合，提出量子力学层面模拟过渡金属氮化物材料属性的思路，用来预测不同合金在电化学合成氨反应中的催化特性，筛选出最具潜力的电化学合成氨催化剂材料后，再交由实验室进行实际验证。这种计算筛选方式可以大幅缩短催化剂研发时间、节省资源，有望加速新型催化剂研发进程，从而使低排放的电化学合成氨技术真正具备与哈伯-博世法竞争的能力。此外，如果电化学法所使用的电力来自可再生能源，则整个过程可实现近零碳排放，从根本上降低合成氨行业对化石燃料的依赖。
信息来源：麻省理工大学 2026年8月20日 杨国丰 供稿
原文链接：
https://news.mit.edu/2026/paving-way-for-greener-ammonia-production-0820