麻省理工学院借助人工智能，挑战沿用百年的大规模制氨工艺

氨生产消耗全球高达 2% 的能源，所产生的温室气体排放量约占全球总排放的 1.5%。造成这一现状的主要原因是该行业仍在使用一项拥有百年历史、依靠化石燃料驱动的生产工艺。全球每年氨产量达 2 亿吨，其中约 80% 用于生产氮肥，剩余部分用于塑料、纺织品、炸药以及其他工业化学品的制造。如今，麻省理工学院（MIT）的研究人员研发出一种全新方法，借助人工智能与量子力学计算，筛选出最有可能降低电化学制氨能耗的催化剂组合。

研究人员无需逐一合成、测试数千种合金，而是可以利用人工智能预判哪些合金组合最有可能降低制氨所需能耗。

数十年来，电化学合成氨一直被视作传统哈伯‑博施法的替代方案。电化学合成不再使用哈伯‑博施法中由化石燃料制取的氢气，也无需极端高温高压条件，转而依靠电力、水和氮气完成反应。如果所用电力来自低碳能源，生产氨便不再需要天然气或煤炭作为原料。

然而效率问题依旧亟待解决。

现阶段电化学制氨的反应速率过慢、能源效率偏低，无法在工业规模上与哈伯‑博施法竞争。研究人员表示，难题很大一部分来自氮气：氮气分子内的两个原子由极强的三键相连，只有输入大量能量才能断开化学键，氮气继而发生反应生成氨。

麻省理工学院将研究重心放在金属氮化物催化剂上。这类催化剂自带的氮原子可以参与氨的合成，从而减少分解空气中氮气分子所需消耗的部分能量。

找到适配的催化剂材料是另一重难题。

可供选择的合金组合多达数百万种，逐一制备并开展测试并不现实。由研究员康斯坦丁・阿萨尼蒂斯带领的麻省理工团队，先通过量子力学计算确定哪些微观性质会控制反应的各个阶段，再训练机器学习模型，预判哪些合金能够突破氮气解离、氢转移等反应瓶颈。

“倘若我们能够找到一种催化剂，既可以降低反应能耗，又对合成氨具备更高选择性，” 阿萨尼蒂斯说，“那基本就算取得重大突破了。”

但没有任何一种单一催化剂能够解决全部问题。部分材料更擅长裂解氮气，另一些材料处理氢反应的效率更高。麻省理工学院正借助人工智能寻找可以兼顾两项性能的合金，以此提升整套工艺的综合效率。

麻省理工学院核科学与工程、材料科学与工程教授比尔格・耶尔迪兹表示：“金属氮化物化合物是该反应理想的材料体系，也便于我们探明究竟是哪些电子、化学以及结构属性决定了氮气还原与电化学合成氨的反应活性。”

目前所有成果尚处在理论层面。模型筛选出来的催化剂仍需要实际制备，并在运行的电化学电解槽中开展测试。麻省理工学院的科研人员现已筹备相关实验，验证模型预测出的催化性能能否在现实条件下成立。

因此，哈伯‑博施法现阶段仍然保有优势。

不过，传统制氨工艺每年会产生数亿吨二氧化碳，属于全球能耗最高的化工流程之一。电化学制氨技术有望大幅削减化石燃料消耗，但想要真正挑战哈伯‑博施法，其生产速率与转化效率还有很长的提升之路。

麻省理工学院尚未攻克上述难题。该团队取得的进展，是利用人工智能缩小了候选催化剂的搜寻范围，省去了逐一合成、测试数千种合金的漫长流程。