人工智能“研究团队”加速可持续氨生产

氨是化肥的关键成分，对全球粮食安全至关重要，但其通过哈伯-博斯法生产的过程消耗了全球1%~2%的能源，并产生大量碳排放。电催化氮还原（eNRR）技术利用可再生电力在常温常压下将氮气和水转化为氨，为实现绿色生产提供了一条前景广阔的途径。然而，为该过程寻找合适的催化剂是一个主要瓶颈，研究人员不仅面临着“试错”式的研究循环，还要应对快速增长、几乎无法手动分析的海量文献。

为了打破这一僵局，由南开大学周震教授和郑州大学张旭研究员领导的研究团队开发了一种名为 eNRRCrew 的新型多智能体人工智能框架。这项发表于《国家科学评论》（National Science Review）期刊的研究，整合了大语言模型（LLM）和机器学习技术，实现了从数据提取到催化剂推荐的全周期自动化研究。

eNRRCrew首先分析了2321篇科学论文，自动构建了一个包含电催化氮还原催化剂、反应条件和性能指标的综合数据库。这项对于人类研究者来说需要数月的任务，被高效地自动完成了。利用该数据库，框架训练了一个机器学习模型来预测催化剂的合成氨性能。模型分析揭示，催化剂的晶体结构对称性（空间群数）及其元素间的电负性差异是实现高产率的关键。这一发现超越了简单的关联性分析，为未来的实验提供了理性的设计原则。

该框架由五个专门的大语言模型智能体协作，以辅助研究人员。用户可以通过自然语言与eNRRCrew互动，提出复杂问题、预测新型催化剂体系的性能，或请求其推荐新型催化剂。例如，系统可以按需生成数据图表，或提供有理有据的研究态势总结，并列出参考文献。至关重要的是，eNRRCrew不仅是一个分析工具，更是一个发现引擎。该系统主动推荐了13种新型催化剂体系，并预测了它们潜在的氨产率和效率。其中一个最佳候选材料——负载于Ti₂NO₂ MXene上的Mo-W双原子催化剂，通过先进的计算模拟被证实具有高稳定性。另一项推荐的MoFeNC催化剂，近期已被该团队成功合成并进行了实验验证，展现出良好的应用前景。

周震教授表示：“这种多智能体方法克服了传统研究方法和单一大语言模型的局限性。它提供了一个强大、可扩展的平台，能够指导催化剂的理性设计，并显著加快科学发现的步伐。”eNRRCrew的成功展示了一种由人工智能驱动的科学新范式，即自主智能体可以协同解决复杂的科学问题。该框架的设计灵活，并已被应用于其他电催化反应，显示出其在电催化合成氨之外更广泛领域的巨大潜力。

---

---