复旦大学郑耿锋团队|机器学习指导电还原C-N偶联选择性生成甲酰胺

本研究背景是酰胺类化合物在工业中应用广泛，但传统合成方法能耗高、碳排放量大，而基于可再生能源的电化学合成是一种潜在的绿色方法。然而，电化学C-N偶联反应通常主要生成尿素，对甲酰胺等酰胺产物的选择性较低。研究目的是通过结合恒电势计算、机器学习和实验验证，揭示电化学C–N偶联反应中选择性生成非常规产物甲酰胺而非尿素的关键机制，并筛选高效催化剂。研究发现，关键中间体*NCO的氢化位点（N、C、O）决定了产物选择性，*NCO中N的氢化导致尿素，C的氢化则导致甲酰胺。通过理论分析，提出了通过*CO质子化为*CHO再与*NH偶联的甲酰胺生成可行路径，并据此建立两个描述符。利用机器学习筛选了约60种合金催化剂，最终选定铬掺杂铜（Cr-doped Cu）作为最有效催化剂。实验验证表明，该催化剂在-0.6 VRHE（pH 14）下，甲酰胺产速高达35.0 mmol h⁻¹ g⁻¹，并能有效抑制尿素生成。结论表明，理论指导的电催化剂设计在实现非常规产物选择性方面具有潜力，机器学习、实验与理论计算的结合为探究竞争反应机制提供了新范式。