采用玫瑰叶提取物绿色合成钴-锆基纳米催化剂用于硼氢化钠(NaBH4)水解制氢及机器学习预测

《International Journal of Hydrogen Energy》：Green-synthesized Co–Zr-based nanocatalysts for hydrogen generation from NaBH4 hydrolysis with machine learning prediction

　　

本研究采用玫瑰叶提取物（rose leaf extract）通过绿色方法合成了钴-锆基（Co–Zr-based）纳米催化剂，并评估其用于硼氢化钠（NaBH4）水解高效制氢的性能。该环境友好型合成方法避免了有毒试剂的使用，并制备出具有增强表面官能团和稳定性的纳米颗粒。X射线衍射（XRD）、拉曼光谱（Raman）、扫描电子显微镜（SEM）及能量色散X射线谱（EDX）分析证实材料中存在单斜相ZrO2与金属Co相共存，以及来源于植物提取物的表面有机基团和羟基。研究人员系统考察了NaOH浓度、NaBH4浓度、催化剂用量及温度对产氢的影响。最佳性能出现在2.5 wt% NaOH、7.5 wt% NaBH4、60 °C条件下，反应于数分钟内完成。较高浓度会导致传质限制，而增加催化剂用量因活性位点增多而加速反应。基于n级反应模型（nth-order model）和阿伦尼乌斯方程（Arrhenius equation）的动力学分析得出该Co–Zr基纳米催化剂上NaBH4水解活化能Ea为53.96 kJ·mol?1。为补充实验研究，研究人员建立建模框架以操作变量函数形式评估产氢量。使用含138组实验数据的集训练了六种监督回归模型，模型成功复现主要实验趋势并捕捉到传统动力学表达式难以描述的非线性交互作用。该实验-计算结合的方法表明绿色合成可作为制备高催化活性Co–Zr基纳米催化剂的环境友好途径，同时基于机器学习（Machine Learning, ML）的预测可作为快速评估和优化NaBH4水解系统的实用替代工具。

论文解读：绿色合成Co–Zr基纳米催化剂用于NaBH₄水解制氢及机器学习预测

该论文发表于《International Journal of Hydrogen Energy》。

一、研究背景与意义

化石能源导致的碳排放与环境问题日益严峻，开发清洁、可持续的替代能源成为迫切需求。氢气（H₂）因其高能量密度与零排放特性被视为理想的能源载体。硼氢化钠（Sodium Borohydride, NaBH₄）水解是安全可控的现场制氢路线，具较高理论储氢容量，但常温下无催化剂时反应速率极慢。贵金属催化剂（Pt、Pd、Ru等）活性高但成本昂贵，过渡金属钴（Co）基催化剂因经济且活性良好被广泛研究。传统化学还原法合成催化剂常使用有毒试剂并产生有害副产物，限制了其应用。植物介导的绿色合成（Green Synthesis）利用植物中多酚、黄酮类等物质作还原剂与稳定剂（Capping Agent），可避免有毒化学品。然而，采用植物提取物绿色合成钴-锆（Co–Zr）双组分纳米催化剂并用于NaBH₄水解，且结合机器学习（Machine Learning, ML）建模预测产氢速率的研究尚属空白。因此，研究人员开展此项研究，旨在开发环境友好的Co–Zr基纳米催化剂合成路线，并结合数据驱动模型揭示操作参数对产氢的影响。

二、主要关键技术方法

研究人员从Siirt大学园区采集玫瑰叶制备植物提取液；以CoCl₂·6H₂O和ZrCl₄为前驱体，经玫瑰叶提取物还原、沉淀、洗涤、干燥及煅烧制得Co–Zr基纳米催化剂。采用X射线衍射（XRD）、拉曼光谱（Raman）、扫描电镜（SEM）及能谱（EDX）进行物相与形貌表征。在封闭反应器中进行NaBH₄水解产氢实验，系统改变NaOH浓度、NaBH₄浓度、催化剂质量及反应温度，记录产氢体积并计算产氢速率。基于n级反应模型拟合反应级数，由阿伦尼乌斯方程求算表观活化能（E_a）。收集138组实验运行（run）数据构建数据集，进行特征工程（含非线性变换、交互项、归一化至(0,1)区间），采用留出或交叉验证策略训练并对比线性回归（Linear Regression）、岭回归（Ridge）、套索回归（Lasso）及集成模型——随机森林（Random Forest, RF）、梯度提升（Gradient Boosting, GB）、极端梯度提升（XGBoost），并以随机超参数优化（Randomized Hyperparameter Optimization）细化集成模型，用决定系数（R²）和均方误差（MSE）评估预测性能。

三、研究结果

Introduction（引言）

研究人员综述了氢能背景、NaBH₄水解制氢瓶颈、贵金属与过渡金属催化剂优劣、传统与绿色合成纳米颗粒的利弊，指出Co–Zr基纳米催化剂经植物提取物绿色合成并用于NaBH₄水解及ML预测的研究空缺，阐明本研究创新点。

Material（材料与绿色合成）

研究人员确认玫瑰叶含多酚、黄酮类、萜类及有机酸，可提供电子还原Co²⁺与Zr⁴⁺离子，其表面羟基与羧基吸附于纳米颗粒防止团聚。经绿色合成及热处理后得到以Co₃O₄与单斜ZrO₂为主相、表面键合植物源有机/羟基官能团的Co–Zr基纳米催化剂，而非Co–Zr双金属合金。

Results and discussions（结果与讨论——催化性能与表征）

XRD与Raman证实共存单斜ZrO₂相与钴氧化物/金属Co相，EDX检出Co、Zr、O元素及C源自植物残留物。SEM显示颗粒分散较好。产氢实验表明：2.5 wt% NaOH与7.5 wt% NaBH₄及60 °C时达最优，反应数分钟内完成；NaBH₄或NaOH过高引发传质限制致速率下降；增大催化剂用量提供更多活性位点从而加速反应。n级模型拟合得反应对NaBH₄近似为准一级，阿伦尼乌斯作图求得表观活化能E_a＝53.96 kJ·mol^?1。

Hydrogen production rate prediction: comparative performance of ensemble learning algorithms（产氢速率预测：集成学习算法比较）

以NaOH浓度、NaBH₄浓度、催化剂质量、温度及反应时间为输入特征，产氢速率为输出变量。经过特征工程后，XGBoost与Gradient Boosting模型预测精度最高（R²最接近1，MSE最小），明显优于线性基线模型，证明ML可捕捉传统动力学无法描述的非线性交互作用，可作为NaBH₄水解系统快速评估与优化的替代模型。

四、讨论与结论（翻译并总结）

研究人员得出结论：本研究成功采用玫瑰叶提取物绿色合成了Co–Zr基纳米催化剂，并证明其可有效催化NaBH₄水解产氢。结构表征确认材料为含表面有机/羟基官能团的Co–Zr基纳米催化剂。该相共存与表面修饰提升了催化活性和稳定性。最佳条件为2.5 wt% NaOH、7.5 wt% NaBH₄、60 °C。动力学分析给出活化能53.96 kJ·mol^?1。基于138组实验数据训练的集成机器学习模型可可靠预测产氢速率，弥补了传统经验动力学模型的不足。该实验与计算相结合的策略表明，绿色合成是制备活性Co–Zr基纳米催化剂的环境友好途径，ML预测可作为NaBH₄水解系统快速评估与优化的实用工具，对设计可持续制氢体系具有参考价值。据研究人员所知，这是首次报道植物提取物生物合成的Co–Zr基纳米催化剂用于NaBH₄水解并结合ML建模框架的研究。