犹他大学的化学家在化学反应的关键步骤获得了足够的数据，这将有助于化学家预测最有效的催化剂结构，即加速产生最少副产物的反应过程。该图显示了催化剂基板对的预测效率与测定效率（通过能量差表示）。（来源：Anat Milo 和Matthew Sigman / 犹他大学）

没有催化剂，我们大多数食物、医药、燃料、塑料和合成纤维等都将不复存在。催化材料为化学反应的顺利进行提供了有利途径。然而化学家并不能完全理解大多数催化剂的工作原理，开发新的催化剂也只是基于实验室不断的尝试。

但是在今年二月13日《科学》杂志上发表的一项新研究表明，犹他大学的化学家在化学反应的关键步骤获得了足够的数据，这将有助于化学家预测最有效的催化剂结构，即加速产生最少副产物的反应过程。“我们能近乎完美地预测该反应中任何催化剂的催化性能。”犹他大学化学教授Matthew Sigman说。

Sigman介绍，这种新方法能帮助化学家不只是设计更好的催化剂，甚至是全新的催化剂。随着对力对分子结合以及形状改变的作用有了更清晰的认识，化学家可以利用现在被认为不重要或者不可能的相互作用加以控制。

“如今我们能走进并且发现对我们重要的东西－工作原理。” 该研究的第一作者，同时也是博士后研究人员Anat Milo说。“这对于开发下一代催化剂至关重要。” Milo 和 Sigman与加州大学伯克利分校的Andrew Neel 和 F. Dean Toste共同完成了这项研究。

高价值目标

催化剂的价值再怎么形容都不为过。据估计，全球超过三分之一的经济产出依赖于催化剂。

努力开发更好的催化剂，减少化学品制造过程废物流是至关重要的，正如可再生能源技术，如燃料电池和人工光合作用。

在犹他大学这项研究中，研究人员专注于修改碳－环结构的化学反应，这种存在于许多化合物中的碳－环结构（1，2，3，4－四氢异喹啉及其衍生物）具有很好的医药效果。他们之所以选择这个反应，一方面是因为它很强的现实意义，另一方面是因为它是一种不适用于标准技术的复杂反应。

“因为没有关于这些反应的介绍，所以实验设计非常困难。” Sigman说。

最棘手的部分是将反应转向生成期望的螺旋结构。碳基化合物可以组装成镜像或对映体形式，它们有相同的原子，但是原子的空间排列会改变三维结构。这形式就像是人的左右手，只有一种形式具有所期望的化学活性。“你可以把它想象成一个分子与目标之间的握手，” Milo说。“而你不能用错误的手握手。”

完美的催化剂可以驱动反应，只得到设计的镜面图像形式，没有原料会合成无活性的对映体。研究者试图分离关键相互作用，这种相互作用使反应朝向生产一种形式或其它的最终产品。

为了进一步了解，研究人员制备了一系列具有对称结构的催化剂。在分子的特定位置，他们放置一系列不同原子或原子团来改变其尺寸或者电子特性。同时他们也采用类似方法制备了一系列适合催化剂的化学基体。

展望大数据

采用这些设置的实验允许研究人员测试一种给定的催化剂是如何工作的。该实验会产生一组从差到高选择性的测量数据。研究人员没有放弃任何结果，即使是选择性很糟糕的反应。

“这是大数据的前提。” Sigman说。“在这里没有坏数据。每一个结果都是重要的，因为它会告诉你很多信息。”

研究人员对这些数据做了统计分析来得到催化剂及其基底的结构特点。在这些关联性的基础上，他们开发了一个模型来预测结果。

采用20种不同催化剂－基底对的实验表明这种模型能正确预测实验选择性。“根据实验数据，一种催化剂能提供最清洁的反应，即生成最少的副产物。” Sigman说。“这是通过该模型精确分析预测的结果。”

为了跟踪庞大而复杂的数据集，研究人员通过一种方法来得到所有相关信息。他们绘出各催化剂的选择性随不同基体变化而变化的情况。他们根据分子中位置被修饰的情况绘制曲线。这些数据的系统性显示有助于揭开具有不同几何形状和反应中电子行为特征的方式。

“这是最有趣的部分。” Milo说。“用合成化学家的眼光试图从这些趋势何图样中看出一些可能参与驱动该反应选择性的信息。”Sigman说，“我们的计划是用这种技术来解决新问题。”

 

新材料在线编译整理—— 翻译： 杨超