4月7日，美国能源部（DOE）宣布“通过高通量实验和高效建模加速学习化学的催化应用测试”（CATALCHEM-E）计划，投入3400万美元资助12项研发项目，将AI与自主实验室相结合，以大幅加速工业催化剂的开发进程^[1]。具体资助项目包括：

（1）面向含氧原料生产可再生燃料和化学品的工业固定床反应器催化剂的AI驱动设计。资助284万美元，由威斯康星大学麦迪逊分校负责，结合AI模型和自动化实验室工具开展工业级催化剂测试，开发可用于将乙醇转化为更高价值醇类的催化剂。

（2）加速化学品制造的自主高通量实验。资助252万美元，由埃姆斯国家实验室负责，结合AI模型与机器人合成平台，加速研发低贵金属含量催化剂，用于烃类加工反应。

（3）通过自动实验室实现人-AI-机器人团队协作以加速多相氧化还原催化剂研发。资助299万美元，由北卡罗来纳州立大学负责，研发将生物质和废液转化为富氢合成气的催化剂。

（4）为未来炼油厂提供动力的自主合成框架。资助284万美元，由落基山国家实验室负责，开发名为“SYNTH-ON”的自主合成框架，利用高通量流动合成系统，10倍速研发催化剂，用于逆水煤气变换反应。

（5）强化AI引导的催化剂转化。资助292万美元，由康涅狄格大学负责开发AI驱动的工作流，用于发现可将甲烷气体直接转化为燃料和化学品原料（醇类）的电催化剂。

（6）整合数字化、高通量与放大的逆向催化剂开发Trinity AI平台。资助272万美元，由太平洋西北国家负责研发能将废弃二氧化碳转化为乙醇的新型电催化剂。

（7）知识整合与下一代实验推动工业催化变革。资助299万美元，由爱达荷国家实验室负责，研发将烃资源转化为高价值化学品和燃料的催化剂。

（8）通过AI与大语言模型加快催化剂研究与测试以达成可规模化转化。资助299万美元，由罗彻斯特大学负责，利用大语言模型（LLM）加速将二氧化碳转化为甲醇/乙醇的催化剂研发。

（9）加速催化剂设计铸造厂。资助277万美元，由阿贡国家实验室负责，建立催化数据中心以整合实验与计算数据，利用AI、高通量实验和自驱实验室，研发催化剂，将废弃碳原料转化为化学品。

（10）基于反应器阵列和AI的新型催化剂发现与优化平台加速器。资助284万美元，由劳伦斯伯克利国家实验室负责，开发原子级定制催化剂，旨在解决从实验室克级研究向千克级规模化生产转化过程中的瓶颈，将二氧化碳转化为大宗工业化学品。

（11）通过快速逆向设计网络生产合成气的定制化电催化剂。资助296万美元，由Oxylus Energy公司负责，利用机器学习模型从海量实验中同步学习，通过快速逆向网络预测并发现可高效将二氧化碳转化为甲醇的电催化剂。

（12）通过机器人优化催化转化获取高能先进松节油燃料。资助283万美元，由P2 Science公司负责，利用先进机器人与机器学习系统，加速发现能将松树、柑橘废料等植物基原料转化为高性能航空燃料等液体燃料的催化剂。

 （黄茹 岳芳 董利苹 杜海霞）