原位形成的碳化鐵(FeCx)是工業上Fe基催化劑上費托合成(FTS,CO+H2→長鏈烴化物)的關鍵組分。然而,由于FeCx結構和CO加氫反應機理的復雜性,其真正的活性位點仍存在很大的爭議。復旦大學劉智攀教授和商城研究員(共同通訊作者)等人報道了他們利用機器學習(ML)模擬技術,在FTS條件下,探索了數百個關于FeCx塊體和表面的候選結構,從而解決了共激活的活性位點問題。作者在沒有實驗先驗輸入的情況下,首先構建體相的熱力學凸包,然后識別低表面能表面并且評估CO和H的吸附能力,最后確定了CO活化的最低能量反應途徑。此外,作者收集了關于FeCx結構和CO加氫途徑的豐富信息:(1)Fe5C2、Fe7C3和Fe2C是FTS法生產烯烴過程中穩定的三個體相,其中Fe7C3和Fe2C具有多個能量近似簡并的體晶相;(2)這些體相只有三個低表面能表面,即χ-Fe5C2(510)、χ-Fe5C2(111)和η-Fe2C(111),暴露出能放熱吸附H原子的Fe位,其中表面Fe:C比分別為2、1.75和2;(3)通過直接解離產生的共激活可發生在通過氫化動態產生的表面C空位(例如具有1.1 eV的勢壘)。這些原子水平的理解有助于建立結構-活性關聯和設計更好的FT催化劑。In Situ Active Site for CO Activation in Fe-Catalyzed Fischer-Tropsch Synthesis from Machine Learning. J. Am. Chem. Soc., 2021, DOI: 10.1021/jacs.1c04624.https://doi.org/10.1021/jacs.1c04624.