11第十一講：組合化學(xué)開(kāi)發(fā)原創(chuàng)技術(shù)的希望省公開(kāi)課金獎(jiǎng)全國(guó)賽課一等獎(jiǎng)微課獲獎(jiǎng)?wù)n件

第十一講

組合化學(xué)在催化領(lǐng)域中應(yīng)用,5,3011/128主要內(nèi)容組合化學(xué)起源組合化學(xué)定義組合化學(xué)在催化中應(yīng)用合成高通量篩選數(shù)據(jù)庫(kù)22/128組合化學(xué)發(fā)展幾個(gè)階段第一階段60年代創(chuàng)始第二階段90年代成長(zhǎng)第三階段二十一世紀(jì)發(fā)展33/128第一階段組合化學(xué)創(chuàng)始起源：Merrifiled，1963年代創(chuàng)造固相多肽合成法，所以獲諾貝爾獎(jiǎng)（1984年）合成多肽中一致且可靠反應(yīng)條件使用高分子聚合物固相載體，從而使產(chǎn)物與試劑易于分離44/128Houghten,1985年提出“茶葉袋”法Furka，1988年提出混合裂分方法；并在一次科學(xué)會(huì)議上第一次提出組合化學(xué)概念Furka、Lam和Houghlen，1991年三個(gè)研究小組發(fā)表了相關(guān)組合化學(xué)3篇主要文章98年被Science列為科學(xué)研究九大突破之一組合化學(xué)誕生55/128第二階段組合化學(xué)成長(zhǎng)久從制藥工業(yè)開(kāi)始一個(gè)新藥研制一位合成化學(xué)家一年可制備100個(gè)新化合物，年薪5萬(wàn)美圓制備每個(gè)新化合物費(fèi)用達(dá)5000美圓從數(shù)千到一萬(wàn)個(gè)新化合物中可能產(chǎn)生一個(gè)新藥耗時(shí)6--10年耗資一億美圓以上66/128組合化學(xué)--在制藥開(kāi)發(fā)中掀起一次革命主要應(yīng)用于肽、核苷酸、糖、脲等合成奇跡-----三天合成247萬(wàn)個(gè)化合物可高通量篩選藥品活性找出先導(dǎo)化合物大大縮短新藥研制時(shí)間和經(jīng)費(fèi)世界各大制藥企業(yè)紛紛投入研制成為國(guó)外風(fēng)險(xiǎn)投資熱點(diǎn)之一77/128第三階段組合化學(xué)發(fā)展期從最初合成多肽擴(kuò)展到有機(jī)小分子、催化、材料等學(xué)科藥品合成、液相組合合成、固相組合合成1995年加州大學(xué)伯克利分校等在SCIENCE發(fā)表文章為標(biāo)志，組合化學(xué)由藥品合成向其它學(xué)科發(fā)展88/128組合化學(xué)發(fā)展期

99年投資預(yù)算及項(xiàng)目Bayer $68million,3years Catalysts,polymers,andelectronicmaterials, Celanese$20million,3years Heterogenouscatalystsforcommoditychemicals DowChemical$18million,3years Polyolefincatalystsystems BASF $4million,2years PolymersforindustrialformulationsCiba $2.2million,2years Pigments Unilever Notdisclosed,2years Polymersforhomeandpersonalcareformulations 99/128組合化學(xué)發(fā)展期第一批包括組合化學(xué)部分企業(yè)及產(chǎn)品Agfa; X-rayphosphor

Albemarle MatallocenecatalystactivatorAppliedBiosystems; DNAseparationpolymerBASF; Pesticideformulation

Celanese; Heterogeneouscatalysts

Ciba DiscoveryTechnologiesAntimicrobial

DowChemical; Matallocenecatalyst

GE;AveryDennison Plasticcoating

Siemens; Lightingphosphor

Unilever, Personalcarepolymer

UOPNonlinearDynamicsHeterogeneouscatalysis

UOP;Sintef Zeolitecatalyst

1010/128學(xué)術(shù)研究顯著增加1111/1281212/128組合化學(xué)意義挑戰(zhàn)傳統(tǒng)有機(jī)合成化學(xué)傳統(tǒng)化學(xué)幾步合成出一個(gè)化合物；全部化合物必須純化與表征；得到單一純凈化合物；組合化學(xué)建立在高效平行合成之上，合成步驟有限，但生成化合物庫(kù)包含大量化合物；簡(jiǎn)單有效純化方法得到混合物或單一化合物；大大提升制備能力，到達(dá)十年前所夢(mèng)想不到水平；包含一系列化學(xué)技術(shù)；1313/128組合化學(xué)定義

(CombinatorialChemistry)是一個(gè)將化學(xué)合成、計(jì)算機(jī)輔助分子與合成設(shè)計(jì)，以及機(jī)器人結(jié)成一體技術(shù)，能夠在短時(shí)間內(nèi)將不一樣結(jié)構(gòu)基礎(chǔ)模塊（buildingblock)以共價(jià)鍵系統(tǒng)地、重復(fù)地進(jìn)行連接，從而產(chǎn)生大批相關(guān)化合物（化合物庫(kù)chemicallibrary),然后進(jìn)行性能篩選，再證實(shí)含有目標(biāo)性能（或活性）化合物結(jié)構(gòu)。（最早定義）利用組合論思想和理論，將構(gòu)建單元，經(jīng)過(guò)有機(jī)合成，無(wú)機(jī)合成和其它化學(xué)伎倆，產(chǎn)生分子多樣性群體，并進(jìn)行優(yōu)化選擇科學(xué)。工業(yè)應(yīng)用學(xué)術(shù)研究

1414/128組合化學(xué)內(nèi)容組合合成固相組合合成液相組合合成新材料合成高通量篩選（HighthroughputScreening)信息處理和化合物庫(kù)管理計(jì)算機(jī)輔助分子與合成設(shè)計(jì)在已經(jīng)有知識(shí)和經(jīng)驗(yàn)基礎(chǔ)上從分子角度理論上設(shè)計(jì)計(jì)算化學(xué)、計(jì)算機(jī)模擬技術(shù)受體垂釣虛擬組合化學(xué)1515/128組合化學(xué)在多相催化中應(yīng)用

關(guān)鍵問(wèn)題構(gòu)建催化劑庫(kù)快速有效平行評(píng)價(jià)伎倆高效反應(yīng)器高效分析檢測(cè)方法數(shù)據(jù)處理合成氨催化劑開(kāi)發(fā)：2500個(gè)催化劑6500次試驗(yàn)7年實(shí)現(xiàn)工業(yè)化1616/128組合合成1717/128組合合成設(shè)計(jì)傳統(tǒng)合成A+BA-B+CA-B-CA1B1A2B2組合合成A3+B3AiBj（I=1—n,j=1—n’）A4B4n

n’個(gè)產(chǎn)物AnBn

傳統(tǒng)合成方法和組合方法比較1818/128組合合成設(shè)計(jì)目標(biāo)有效得到某一反應(yīng)全部產(chǎn)物反應(yīng)產(chǎn)物結(jié)構(gòu)多樣化1919/128組合合成設(shè)計(jì)R1=F,Cl,Br,甲基，乙基…….R2=甲基，乙基，苯基…….R3=甲基，乙基，苯基…….R4=甲基，乙基，苯基…….每個(gè)位置取100個(gè)構(gòu)建單元，將有R1

R2

R3

R4=100，000，0002020/128組合合成設(shè)計(jì)2121/1282222/128組合合成固相有機(jī)合成（微克級(jí)用量）混合裂分法是利用線(xiàn)性有機(jī)反應(yīng)特點(diǎn)，將一系列固相反應(yīng)物分組平行反應(yīng)，所得產(chǎn)物混合到分組后再進(jìn)行下一步平行反應(yīng)。平行合成法：同時(shí)合成一系列單個(gè)分子茶葉袋法液相有機(jī)合成（微升級(jí)用量）多組分液相合成法官能團(tuán)轉(zhuǎn)換法：從“化學(xué)庫(kù)”合成“化學(xué)庫(kù)”新材料合成：氣相沉積法為基礎(chǔ)薄膜庫(kù)制備技術(shù)2323/128混合裂分法2424/128固相合成載體：樹(shù)酯珠交聯(lián)聚苯乙烯聚酰胺樹(shù)脂可控孔度玻璃TentalGel樹(shù)酯磁性樹(shù)脂珠多針載體圓片2525/1282626/128組合合成平行合成法Ai+BjC2727/128組合合成2828/1282929/128組合合成應(yīng)用于催化劑合成分子篩合成負(fù)載型催化劑合成3030/128分子篩合成3131/128組合合成用于ALPO合成3232/128多元方法用于分子篩合成

研究體系:MFI分子篩合成因子設(shè)計(jì)多反應(yīng)器合成逐步線(xiàn)性甄別分析:XRDＭＦＩ合成導(dǎo)向劑ＳＤＡ3333/1283434/128反應(yīng)器3535/128反應(yīng)器３９個(gè)反應(yīng)釜，１５ｍｌ容器，可振動(dòng)3636/128統(tǒng)計(jì)分析結(jié)果７２個(gè)樣品純ＭＦＩ樣品２３個(gè)不純ＭＦＩ樣品１５個(gè)無(wú)ＭＦＩ樣品３４個(gè)3737/128用于組合合成催化材料制備設(shè)備3838/1283939/128催化劑(硝酸鹽)浸漬在γAl2O3上

4040/1284141/128一個(gè)改造自動(dòng)化系統(tǒng)用于干法濕法浸漬法制備催化劑

4242/1284343/128研究實(shí)例：Mo-V-Nb-W-O/Al2O3應(yīng)用體系Mo-V-Nb-W-O/Al2O3評(píng)價(jià)反應(yīng)：選擇性氧化丙烷主要考查制備效果,重現(xiàn)性4444/1284545/128高通量篩選4646/128高通量篩選原理活性：生物活性反應(yīng)：模型反應(yīng)方法：已經(jīng)有分析方法伎倆：微區(qū)、平行、自動(dòng)目標(biāo)：快速篩選先導(dǎo)化合物4747/128高通量篩選先導(dǎo)化合物：含有某種生物活性或物理性質(zhì)或化學(xué)性質(zhì)以及符合設(shè)計(jì)要求化合物。抗原-抗體反應(yīng)、蛋白G-MHC篩選、凝血酶、抗菌素受體配基篩選、胰蛋白酶功效超導(dǎo)體、發(fā)光材料、磁性材料、太陽(yáng)能電池用無(wú)規(guī)硅半導(dǎo)體，抗磁材料，磷光材料，介電材料，鐵電材料，催化劑，沸石和聚合物及其復(fù)合材料其它：護(hù)膚品、潤(rùn)滑油等4848/128高通量篩選技術(shù)與設(shè)備氣相色譜-質(zhì)譜（GC-MS）紅外熱譜紫外-色譜X射線(xiàn)衍射掃描瞬息微波顯微鏡（SEMM）激光解吸/電離飛行時(shí)間MS高壓液相色譜/質(zhì)譜（HPLC/MS）新、更各種分離分析技術(shù)聯(lián)用4949/128高通量篩選產(chǎn)物純化和分離固液分離---過(guò)濾液液分離---高壓液相色譜技術(shù)5050/128組合化學(xué)與催化：反應(yīng)鈀催化偶聯(lián)反應(yīng)Mitsunobu偶聯(lián)反應(yīng)雜環(huán)合成環(huán)加成反應(yīng)烯醇烷基化反應(yīng)Ugi反應(yīng)5151/128快速篩選反應(yīng)器反應(yīng)物與催化劑充分接觸在催化劑內(nèi)部和外部不存在傳質(zhì)和傳熱限制在絕熱條件下，一定時(shí)間分布內(nèi)，能很好描述反應(yīng)特征催化劑樣品用量少效率高、安全廉價(jià)5252/128多路平行反應(yīng)器5353/1281、多路平行反應(yīng)器平行排列多個(gè)普通固定床反應(yīng)器各個(gè)反應(yīng)器進(jìn)樣組成和溫度相同每個(gè)反應(yīng)器空速、壓力、催化劑不一樣加緊了催化劑性能測(cè)試和動(dòng)力學(xué)研究設(shè)備簡(jiǎn)單、輕易制造樣品用量比較多5454/1282、高通量批式反應(yīng)器5555/128高通量批式反應(yīng)器5656/128高通量批式反應(yīng)器5757/128高通量批式反應(yīng)器適合液相反應(yīng)分子篩合成液相氧化、加氫各個(gè)反應(yīng)器溫度相同每個(gè)反應(yīng)器催化劑、物料不一樣加緊了催化劑性能測(cè)試和動(dòng)力學(xué)研究5858/1283、微通道反應(yīng)器由一摞金屬框架組成多個(gè)平行微型反應(yīng)器每個(gè)微型反應(yīng)器內(nèi)鑲嵌一個(gè)微觀(guān)結(jié)構(gòu)催化劑固定在微通道壁上催化劑量少，熱量、質(zhì)量傳遞快對(duì)爆炸和危險(xiǎn)性反應(yīng)很適合5959/1284、開(kāi)放式反應(yīng)器催化劑以二維方式排布在石英基體上用二氧化碳激光加熱到反應(yīng)溫度三層同心管用于反應(yīng)氣體進(jìn)出氣體產(chǎn)物經(jīng)過(guò)毛細(xì)管在催化劑上采樣后進(jìn)入檢測(cè)器反應(yīng)系統(tǒng)不密封用于乙烷脫氫反應(yīng)，2小時(shí)內(nèi)可篩選144個(gè)催化劑6060/1285、芯片反應(yīng)器芯片反應(yīng)器模型由硅玻璃制成芯片反應(yīng)器模型包含大量微通道每個(gè)微通道裝有一個(gè)催化劑反應(yīng)氣經(jīng)過(guò)芯片上分叉微通道均勻地分布到催化劑上從芯片后面小孔排出產(chǎn)物由掃描質(zhì)譜分析應(yīng)用于甲烷氧化6161/128高效分析檢測(cè)方法樣品用量少檢測(cè)速度快6262/128紅外攝影技術(shù)許多催化反應(yīng)都是放熱反應(yīng)催化劑活性高，反應(yīng)量大，溫升高使用紅外溫度統(tǒng)計(jì)技術(shù)檢測(cè)反應(yīng)過(guò)程中溫度改變，識(shí)別催化劑活性?xún)?yōu)點(diǎn)：催化劑用量少、速度快缺點(diǎn)：不能檢測(cè)催化劑選擇性6363/128熒光酸堿檢測(cè)技術(shù)將反應(yīng)產(chǎn)物某種特征轉(zhuǎn)化為熒光信號(hào)，最強(qiáng)熒光信號(hào)顯示為最好催化劑活性實(shí)施例甲醇燃料電池陽(yáng)極催化劑環(huán)己烷脫氫制苯催化劑氧化鋁負(fù)載三元貴金屬催化劑6464/128快速掃描質(zhì)譜質(zhì)譜儀上增加自動(dòng)采樣裝置采樣裝置能夠自由調(diào)整在三維空間位置某一微通道內(nèi)反應(yīng)產(chǎn)物經(jīng)與之相連毛細(xì)管被四極桿質(zhì)譜檢測(cè)6565/128應(yīng)用色譜檢測(cè)技術(shù)實(shí)例6666/128應(yīng)用實(shí)例：

高通量篩選--四極質(zhì)譜6767/1286868/1286969/128應(yīng)用實(shí)例

高通量篩選--紅外熱譜7070/1287171/128高通量篩選（紅外熱譜）7272/128高通量篩選（指示劑法）7373/128組合化學(xué)與催化：催化劑篩選SYMYX企業(yè)利用小型傳感器來(lái)監(jiān)測(cè)反應(yīng)產(chǎn)物進(jìn)行催化篩選，在催化變換反應(yīng)提升選擇性上取得成功，他們?cè)赗h-Pd-Pt組合庫(kù)中進(jìn)行篩選，并發(fā)覺(jué)用廉價(jià)銅來(lái)局部取代，1

1Cu-Rh催化活性在400℃時(shí)與純銠催化劑相同。7474/128組合化學(xué)與催化挪威Akporiaye應(yīng)用自制聚四氟乙烯多試樣高壓釜，在200℃下可同時(shí)進(jìn)行100種分子篩合成平行試驗(yàn)，產(chǎn)物可在現(xiàn)場(chǎng)清洗分離，然后人工取出，采取常規(guī)X射線(xiàn)衍射儀分析。Akporiaye還研究了Li2O-TMA2O-Na2O-Al2O3-SiO2和Cs2O-TMA2O-Na2O-Al2O3-SiO2相圖7575/128組合化學(xué)與催化Maier等采取微型化設(shè)備進(jìn)行中孔材料水熱合成，水熱反應(yīng)量從500微升降到2微升，并進(jìn)行自動(dòng)X射線(xiàn)衍射測(cè)試。該研究體系為鈦硅分子篩TS-1，產(chǎn)物量1-10mgX射線(xiàn)衍射相圖與傳統(tǒng)方法相同。7676/128組合化學(xué)與催化Bein等研究了磷酸鋁組合化學(xué)合成，每塊試樣板上有8-19個(gè)反應(yīng)釜，每個(gè)反應(yīng)釜反應(yīng)體積為150-300uL，每次可同時(shí)將六塊板進(jìn)行試驗(yàn)，產(chǎn)物用自制離心方法回收，采取通常X射線(xiàn)衍射儀或用旋轉(zhuǎn)陽(yáng)極X射線(xiàn)衍射儀采取CCD探測(cè)器進(jìn)行檢測(cè)，該項(xiàng)研究對(duì)模板劑和結(jié)構(gòu)導(dǎo)向劑進(jìn)行了篩選，并在混合模板劑下合成得到純AFI型結(jié)構(gòu)。7777/128組合化學(xué)與催化Gavalas等采取平行合成法非有機(jī)溶劑合成ZSM-5分子篩膜，一次可同時(shí)得到20個(gè)產(chǎn)物，每次反應(yīng)40uL溶液所得到產(chǎn)物與傳統(tǒng)方法10-150mL相同，經(jīng)過(guò)篩選得出最正確試驗(yàn)方案。7878/128組合化學(xué)與催化UOP企業(yè)Holmgren等應(yīng)用組合化學(xué)進(jìn)行中孔固體材料商業(yè)性開(kāi)發(fā)研究。他們研制了一套End–To-EndSM組合催化劑開(kāi)發(fā)系統(tǒng)。7979/128組合化學(xué)與催化該企業(yè)以Al-Si-O體系相圖為研究對(duì)象來(lái)檢驗(yàn)組合化學(xué)，發(fā)覺(jué)組合化學(xué)研究數(shù)據(jù)量大，使得遺失關(guān)鍵結(jié)果幾率大大減小，而微升級(jí)反應(yīng)效果可與常規(guī)125mL相比。研究進(jìn)度大大提升，以前研究10個(gè)化合物需要6個(gè)月，采取組合化學(xué)只要兩天。8080/128組合化學(xué)與催化在Zn-Cu-V-O體系組合化學(xué)研究中，該研究小組發(fā)覺(jué)了一個(gè)新氫氧化釩酸銅，說(shuō)明因?yàn)榻M合化學(xué)能更詳細(xì)地研究，可從已知研究體系中尋找出遺漏新材料。該研究小組還對(duì)M-Al-P-O體系進(jìn)行了組合化學(xué)研究，在環(huán)戊基銨存在下生成純新材料SAPO-34還未見(jiàn)報(bào)道。8181/128組合化學(xué)與催化UOP企業(yè)還應(yīng)用組合化學(xué)對(duì)擴(kuò)大試驗(yàn)和商業(yè)化試驗(yàn)進(jìn)行研究，研究體系為新型硅酸鋯，經(jīng)過(guò)研究在兩周時(shí)間內(nèi)篩選到最正確配方，從而大大縮短了該產(chǎn)品走向商業(yè)化時(shí)間。8282/128組合化學(xué)與新材料雖屈指可數(shù)，但已顯無(wú)法比擬優(yōu)越性極大加速新材料開(kāi)發(fā)速度：在直徑3英寸基片上一小時(shí)合成1000個(gè)不一樣化合物能夠降低材料開(kāi)發(fā)費(fèi)用：微克級(jí)，降低浪費(fèi)和對(duì)環(huán)境污染在高技術(shù)產(chǎn)業(yè)化和商業(yè)化應(yīng)用有巨大潛在價(jià)值可顯著增加開(kāi)發(fā)中意外發(fā)覺(jué)有利于材料結(jié)構(gòu)--功效關(guān)系理論研究可有于材料開(kāi)發(fā)中先導(dǎo)化合物發(fā)覺(jué)及優(yōu)化全過(guò)程8383/128組合化學(xué)與新材料磷光體：照明、成像、顯示技術(shù)基本材料Symyx--發(fā)光點(diǎn)庫(kù)用自動(dòng)薄膜合成技術(shù)，在3英寸基片上合成含2萬(wàn)5千個(gè)化合物材料薄膜庫(kù)，Sr2CeO4-新型發(fā)光材料，含有特殊一維鏈?zhǔn)浇Y(jié)構(gòu)從另一個(gè)含25000個(gè)化合物薄膜庫(kù)中找到新型紅色磷光體Y0.845Al0.07La0.06Eu0.025VO4，其量子效率優(yōu)于商用磷光體伯克利LBNL研究意外發(fā)覺(jué)：Gd3Ga5O12/SiO2，在紫外光下發(fā)藍(lán)光8484/128組合化學(xué)與新材料巨磁阻（GMR）半導(dǎo)體、超導(dǎo)、磁學(xué)鈣鈦礦型錳氧化物新一族信息儲(chǔ)存材料伯克利SHULTZ用組合方法研究LnxMyCoOz系列含128個(gè)化合物磁阻材料薄膜庫(kù)，發(fā)覺(jué)三種展現(xiàn)巨磁阻效應(yīng)物質(zhì)-LaxMyCoOz以前一直認(rèn)為只有錳基化合物含有巨磁阻8585/128信息處理和化合物庫(kù)管理數(shù)據(jù)庫(kù)管理反應(yīng)數(shù)據(jù)分析數(shù)據(jù)結(jié)構(gòu)定性數(shù)據(jù)生物活性數(shù)據(jù)編碼技術(shù)統(tǒng)計(jì)編碼和合成中相關(guān)信息化合物庫(kù)管理8686/128組合化學(xué)與人工智能8787/128三篇文件DiscoveryofnewparaffinisomerizationcatalystsbasedonSO42-/ZrO2andWOx/ZrO2applyingcombinatorialtechniquesA.Corma,J.M.Serra,A.ChicaFeedforwardneuralnetworksincatalysis—Atoolfortheapproximationofthedependencyofyieldoncatalystcomposition,andforknowledgeextractionM.Holena,M.BaernsHolographicresearchstrategyforcatalystlibrarydesign–DescriptionofanewpowerfuloptimisationmethodL.Vegvari,A.Tompos,S.Gobolos,J.Margitfalvi8888/128組合化學(xué)技術(shù)與催化劑設(shè)計(jì)理想大量合成、高通量篩選催化劑從而能夠由少許試驗(yàn)提取規(guī)律性知識(shí)深入建立催化劑庫(kù)，實(shí)現(xiàn)催化劑設(shè)計(jì)組合化學(xué)技術(shù)兩大問(wèn)題：高通量試驗(yàn)/篩選和數(shù)據(jù)處理量變質(zhì)變8989/128組合方法提供了一個(gè)快速測(cè)試大量新材料路徑平行反應(yīng)或測(cè)試比傳統(tǒng)反應(yīng)規(guī)模小GA：遺傳算法能夠容忍相當(dāng)量噪音使用一群點(diǎn)作研究，恰好適合用于THE技術(shù)用最少許試驗(yàn)得到最大空間內(nèi)近似選擇C5-C7臨氫異構(gòu)化反應(yīng)為研究對(duì)象組合技術(shù)通常忽略催化作用本身信息，本文將對(duì)催化劑表征數(shù)據(jù)與評(píng)價(jià)結(jié)果進(jìn)行關(guān)聯(lián)DiscoveryofnewparaffinisomerizationcatalystsbasedonSO42-/ZrO2andWOx/ZrO2applyingcombinatorialtechniques

---A.Corma,J.M.Serra,A.Chica9090/128步驟1：依據(jù)文件選出催化劑組步驟2：用GA（遺傳算法）生成催化劑組成步驟3：高通量測(cè)試催化劑活性步驟4：與表征結(jié)果關(guān)聯(lián)，找出催化劑性質(zhì)與活性?xún)?nèi)在聯(lián)絡(luò)步驟5：在傳統(tǒng)反應(yīng)器上以工業(yè)原料進(jìn)行評(píng)價(jià)針對(duì)SO42-/ZrO2andWOx/ZrO2體系

找到新C5-C7異構(gòu)化催化劑9191/128步驟1：依據(jù)文件選出催化劑組按催化劑組成按其作用分成三個(gè)部分：金屬氧化物載體：r-Al2O3,ZrO2,TiO2酸性增強(qiáng)組份：SO42-,BO33-,PO43-(0.5-6wt%),WOx(0.5-36wt%)助劑：Pt,Ce,Pd,Sn,Ni,Mn,Nb(0.5-6%)每個(gè)催化劑一定含有Pt和另外一個(gè)金屬助劑9292/128步驟2：用GA（遺傳算法）生成催化劑組成首先用GA生成24個(gè)（占從頭計(jì)算空間0.167%）催化劑組成合成催化劑測(cè)試并篩選出優(yōu)異催化劑依據(jù)優(yōu)異催化劑組成再次用GA生成新一代催化劑組成循環(huán)三次9393/128GeneticAlgorithm：遺傳算法遺傳算法是一個(gè)借鑒生物界自然選擇和進(jìn)化機(jī)制發(fā)展起來(lái)高度并行、隨機(jī)、自適應(yīng)搜索算法。因?yàn)槠浜薪研?尤其適合于處理傳統(tǒng)搜索算法處理不好復(fù)雜和非線(xiàn)性問(wèn)題。以遺傳算法為關(guān)鍵進(jìn)化算法已與含糊系統(tǒng)理論、人工神經(jīng)網(wǎng)絡(luò)等一起成為計(jì)算智能研究中熱點(diǎn),受到許多學(xué)科共同關(guān)注。

遺傳算法是如此簡(jiǎn)單，任何人只要用高中時(shí)學(xué)過(guò)生物術(shù)語(yǔ)就能夠了解。以一群個(gè)體為例，它們都有自己DNA。然后衡量每一個(gè)個(gè)體適應(yīng)性（把它看作是適合用于個(gè)體DNA官能來(lái)衡量），而且使那些更適應(yīng)個(gè)體更有可能繁衍。而最不適應(yīng)個(gè)體將會(huì)被滅絕。每個(gè)幸存者都會(huì)有機(jī)會(huì)繁衍（主要是任何幸存者都可能會(huì)繁衍，假如不太適應(yīng)話(huà)，僅僅是降低了可能性）。合并雙親DNA，對(duì)合并后DNA應(yīng)用隨機(jī)變異以模擬繁衍。理論上說(shuō)來(lái)，新個(gè)體是和雙親一樣適應(yīng)，因?yàn)樽儺惢蛟龌驕p會(huì)有些微小改變。然后循環(huán)會(huì)周而復(fù)始。9494/128步驟3：高通量測(cè)試催化劑活性16路固定床高通量測(cè)試裝置其壓力和溫度是獨(dú)立并受到監(jiān)測(cè)反應(yīng)尾氣在線(xiàn)用氣相色譜（Varian3380）分析C5-7烷烴異構(gòu)化反應(yīng)：溫度：200-240度壓力：3MPaWHSV：2.26h-1催化劑：500mg,0.4-0.6mmm9595/128經(jīng)過(guò)三代催化劑衍生，催化劑活性普遍提升9696/128傳統(tǒng)研究方法補(bǔ)充組合技術(shù)不足步驟4：與表征結(jié)果關(guān)聯(lián)，找出催化劑性質(zhì)與活性?xún)?nèi)在聯(lián)絡(luò)步驟5：在傳統(tǒng)反應(yīng)器上以工業(yè)原料進(jìn)行評(píng)價(jià)9797/128優(yōu)選法系統(tǒng)研究Zr-W-Ce-Pt體系找到新高活性配方：硫酸鹽，16wt%,1wtCe,0.6wt%Pt,800oC9898/128結(jié)論用GA和參數(shù)設(shè)計(jì)研究了低碳烷烴異構(gòu)化反應(yīng)催化劑，難點(diǎn)是在初始階段選擇適當(dāng)組成配方。改進(jìn)催化劑循環(huán)降低了，而且經(jīng)過(guò)這個(gè)方法找到了比現(xiàn)有工業(yè)催化劑活性更高催化劑。用混合烷烴原料測(cè)試了活性最高催化劑配方。9999/128對(duì)一適當(dāng)反應(yīng)高通量篩選能夠大大提升催化劑研發(fā)效率實(shí)現(xiàn)高通量篩選后，繁重合成工作成為決速步驟，最好能配合高效合成方法高通量篩選能夠?qū)⒋呋瘎┙M成與產(chǎn)率直接關(guān)聯(lián)起來(lái)，催化劑表征將變得不再象以前那么關(guān)鍵應(yīng)深入了解GA算法等與組合化學(xué)技術(shù)配使用數(shù)據(jù)處理程序100100/128Feedforwardneuralnetworksincatalysis—Atoolfortheapproximationofthedependencyofyieldoncatalystcomposition,andforknowledgeextraction

M.Holena,M.Baerns高通量試驗(yàn)給特定反應(yīng)發(fā)覺(jué)對(duì)應(yīng)催化劑材料提供了快捷方法所以產(chǎn)生了大量數(shù)據(jù)需要處理：催化材料性質(zhì)催化行為人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)不但能夠得到近似結(jié)果，還能夠從中提取相關(guān)知識(shí)101101/128相關(guān)文件[32]Anevolutionaryapproachinthecombinatorialselectionandoptimizationofcatalyticmaterials[33]Fundamentalandcombinatorialapproachesinthesearchforandoptimisationofcatalyticmaterialsfortheoxidativedehydrogenationofpropanetoparopene102102/128FeedforwardArtificialNeuralNetworks(ANNs)

前饋人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)輸入神經(jīng)元輸出神經(jīng)元輸入信號(hào)輸出信號(hào)隱藏神經(jīng)元103103/128MultilayerPerceptron(MLP)

多層感知器信號(hào)經(jīng)神經(jīng)元性線(xiàn)性傳導(dǎo)由進(jìn)行工作一層經(jīng)過(guò)隱藏層最終由輸出層輸出104104/128對(duì)未知催化劑性能與性質(zhì)間關(guān)聯(lián)進(jìn)行近似選擇適當(dāng)構(gòu)架：對(duì)于MLP來(lái)說(shuō)就是選擇適當(dāng)隱藏神經(jīng)元數(shù)量或是適當(dāng)隱藏層數(shù)量進(jìn)行關(guān)聯(lián)，或稱(chēng)為對(duì)系統(tǒng)進(jìn)行“訓(xùn)練”，向每個(gè)隱藏神經(jīng)元和輸出神經(jīng)元線(xiàn)性傳遞相關(guān)最好可能數(shù)據(jù)Levenberg-Marquardt方法對(duì)關(guān)聯(lián)適應(yīng)性評(píng)價(jià)，最慣用是“平方差”與測(cè)試結(jié)果擬合終止訓(xùn)練早期停頓Bayesian整合105105/128提取與催化性能相關(guān)知識(shí)實(shí)際上在受訓(xùn)神經(jīng)網(wǎng)絡(luò)構(gòu)架中已包含有在本質(zhì)上表現(xiàn)了包含在用以訓(xùn)練它們數(shù)據(jù)中，知識(shí)包含在輸入和輸出改變間，如在催化劑組成和產(chǎn)率間。不過(guò)只在低維關(guān)系能夠圖示。人們通常關(guān)心知識(shí)：催化劑組成與最正確產(chǎn)率間關(guān)系；輸出改變與輸入改變間邏輯規(guī)律。106106/128在丙烷氧化脫氫反應(yīng)中應(yīng)用ANN催化劑：氧化鋁/B,Fe,Ga,La,Mg,Mn,Mo,V氧化物；丙烯產(chǎn)率作為與催化材料組成對(duì)應(yīng)目標(biāo)函數(shù)；如前圖所表示MLP構(gòu)架：7個(gè)輸入神經(jīng)元，1個(gè)輸出神經(jīng)元，1個(gè)隱藏層（如此操作原因有二）；訓(xùn)練組有216個(gè)催化劑，測(cè)試組有10個(gè)催化劑用Levenberg-Marquardt方法訓(xùn)練網(wǎng)絡(luò)；分別使用“早期停頓”和Bayesian整合以防止網(wǎng)絡(luò)過(guò)分訓(xùn)練；107107/128得到結(jié)果以ANN方法近似得到丙烯產(chǎn)率與催化劑組成關(guān)系從中得到邏輯規(guī)律:催化劑組成與產(chǎn)率對(duì)應(yīng)關(guān)系108108/128結(jié)論介紹了人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)；這類(lèi)網(wǎng)絡(luò)適合用于確立催化劑性質(zhì)與催化性能間關(guān)聯(lián)；109109/128小結(jié)高通量試驗(yàn)技術(shù)更適用對(duì)于含有多組份催化材料篩選，當(dāng)前這類(lèi)材料多以經(jīng)驗(yàn)性“炒”配方式研究為主利用前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng)處理數(shù)據(jù)結(jié)果是，得到規(guī)律性認(rèn)識(shí)也是，將催化劑組成與產(chǎn)率直接相關(guān)，而與表征結(jié)果無(wú)關(guān)聯(lián)選擇適當(dāng)數(shù)據(jù)處理程序是這類(lèi)研究是否有意義關(guān)鍵110110/128Holographicresearchstrategyforcatalystlibrarydesign–Descriptionofanewpowerfuloptimisationmethod

L.Vegvari,A.Tompos,S.Gobolos,J.Margitfalvi對(duì)付組合技術(shù)帶來(lái)大量數(shù)據(jù)大量可能組成催化劑組份雙元、三元或四元組合制備參數(shù)改變，需要作大量試驗(yàn)GAStochasticsimulatedannealingalgorithm（隨機(jī)模擬退火算法）HRS:Holographicresearchstrategy（全息研究策略）111111/128HRS與GA類(lèi)似，測(cè)試n-1代催化劑，生成n代催化劑比GA更全方面