国内刊号:11-3676/TD
国际刊号:1006-6772
发布日期:
作者:程星源, 王凡, 张萌, 刘蕊, 吴烨, 刘冬
关键词:化学链合成氨,载氮体,高熵合金,金属氮化物,机器学习
氨是重要的化工原料和潜在无碳燃料,在能源储运中优势突出。然而,当今工业合成氨仍主要依赖沿用百年的Haber-Bosch工艺,但其高温高压的反应条件和对化石能源的高度依赖,导致巨大能耗和CO2排放。开发温和条件下的绿色合成氨工艺成为迫切需求。近年来,化学链合成氨(CLAS)工艺逐渐引起重视,该工艺将氨合成反应解耦为氮化和氨化2个链式循环反应,通过载氮体传递活性氮,从而突破传统合成氨工艺的热力学与动力学间的矛盾。载氮体材料是CLAS的核心,其在循环中承担氮的固定与迁移,但目前常用载氮体存在固氮容量和速率偏低等问题,限制了CLAS性能发挥。本文通过氢源不同进行分类,从载氮体使用方面对载氮体的发展展开综述,发现高熵载氮体的引入可有效改善传统载氮体反应活性差、载氮能力不足的问题。然而,对高熵载氮体多元金属协同形成的复杂化学空间进行针对性调控也极具挑战,其组成和结构对性能的影响规律难以用经验直观把握,传统“试凑法”开发周期漫长,且需防范多相分离、活性中心不明等问题。目前亟须系统的设计理论指导高熵载氮体的开发,以平衡多元素组合的稳定性与活性。未来采用基于机器学习的高熵载氮体精准调控设计策略为高性能化学链合成氨载氮体的开发提供了新思路。
来源:2026年第3期
《洁净煤技术》期刊编辑部