时间: 2024-09-17 23:00:50 | 作者: 行业新闻
火星移民是人类的梦想。实现这一梦想，首先要解决火星大气中氧气缺乏的难题。
近日，中国科学技术大学（以下简称中国科大）教授罗毅、江俊和副教授尚伟伟团队与中国深空探测实验室研究员张哲等合作，通过前期研制的机器化学家“小来”平台，利用火星陨石制备出实用的产氧催化剂，“生产”出氧气。11月14日，该研究成果发表于《自然-合成》。
“这是使用火星原料制备出的第一个产氧催化剂。此次研究不仅验证了人工智能技术创制新材料的超强能力，还向火星移民、星际探索等迈出了很重要的一步。”论文共同通讯作者罗毅告诉《中国科学报》。
水、氧气是人类赖以生存的重要物质基础。科学家发现，火星上存在水资源，但没有氧气。
在地球上，通过电催化析氧反应，以水为原料，科研人员成功制备出了氧气。那么，在火星上是否也能轻松实现这一目标？由于目前人类无法在火星环境下长期生存，因此无法“就地取材”在火星上制备产氧催化剂。
2022年9月，中国科大机器化学家“小来”系统接到一项特殊任务用火星陨石中的一些成分制备催化剂。
“实验中的陨石都真正来自火星。”论文第一作者、中国科大副研究员朱青介绍，火星陨石里包含铁、锰、镍、钙、镁、铝等元素，这些金属元素都是合成催化剂的必要成分。
“小来”利用自身装载的激光诱导击穿光谱设备，对火星陨石进行了详细的矿物分析，发现其中有很多种金属适合作为产氧催化剂的有效成分。接下来，它通过强酸浸渍将矿物全部溶解，提炼出里面的金属组分；然后，加碱沉淀得到一个含多金属的氢氧化物；最后，以氢氧化物作为阳极催化剂，参与火星卤水的电解反应，从而制备出氧气。
论文共同通讯作者江俊表示：“该工作成功展示了在地外星系上因地制宜创制化学品的智能化全流程，为未来地外文明探索提供了新的技术方法，为我国在月球、火星空间站上实现星际资源的原位综合利用提供了独特方案。”
《自然-合成》的一位审稿专家高度评价此项工作，称论文报道了“通过机器化学家系统在火星上合成产氧催化剂的令人兴奋的方法”。
火星陨石中的金属成分组合形成催化剂，大概有300多万种配方。如何在如此大的基数中快速找到最优配比？
“小来”展现出了超越人类科学家的理论与实践能力，首先利用它的“计算大脑”自主创建了一批理论构象，然后开始做大规模的理论计算。同时，“小来”通过其精准的自动化操作能力，快速高效地执行实验任务。
“理论模拟能判断大致的优化方向，机器实验则能提供精准的实测数据。将理论大数据与实验小数据对齐，就建立起了一个理实交融的机器学习模型。”朱青说，该智能模型能更好描绘整个高维空间中的化学反应走势，这是依靠人类传统经验没办法实现的。
也就是说，这个智能模型有“预测全局”的能力，可在数百万个配方中“推荐”出性能最好的配方。根据此配方，“小来”再进行实验验证。
最终，经过6周243次实验，“小来”成功利用5种火星陨石制备出一款实用的产氧催化剂。“如果人类化学家通过试错的模式进行研究，这个工作在大多数情况下要2000年才能完成。”朱青说。
“这种理实交融的研究范式极大加快了新材料发现的过程，能够从数百万种可能的配方中迅速识别出最佳组合。”江俊表示。
那么，用火星陨石制备的催化剂与地球上的催化剂有什么不一样？为何不直接将催化剂从地球带到火星上？
“这里强调的是一种原位资源利用策略。在未来的火星移民、星际探索中，不太可能一直将地球上的物资运送过去。一是运输成本过高，二是地外环境下的化学反应情况跟地球上不一样，并且催化剂材料自身也有常规使用的寿命。”江俊说，因此，最好的方法就是“就地取材”。例如，机器人在无人监管的情况下，可利用未知的物质自主发现并且创造出有用的化学品。
随着人类深空探测活动日益活跃，传统运载方式难以支撑未来空间任务的发展，要一直减少对地球物质能源补给的依赖，原位资源利用技术就成为了重要手段。
江俊介绍，地外原位资源利用指的是在星际探索的过程中，因地制宜采集当地的物质资源进行物理化学方面的改造，使其变成有用的化学品、材料、设施。
此前，罗毅、江俊等人与其他团队协作，发现“嫦娥五号”取回的月壤能够直接进行原位资源利用，展示了机器人从制备催化剂到生产地外燃料和氧气无人化操作的全过程。
在该研究中，研究团队最大限度模拟了火星环境下的催化效果。在300立方米的空间站顶部铺满火星陨石催化剂，利用太阳光发电驱动电解水反应，15个小时后室内的氧气浓度即可达到人类生存所需的指标。
“未来，人类可以在火星上建立一个个产氧小工厂，在其屋顶铺满小来制备的产氧催化剂，经过反应，就能得到氧气。” 江俊说。
“下一步，我们计划为机器人配备更多的传感器和光谱设备，使其拥有探测感知和预测化学物质微观演化的能力，以更好适应不一样的化学场景。”江俊说。此外，他们还计划建立一个有数百个机器人和数千个工作站的大型机器化学家实验室。这样一来，不仅能覆盖更广泛的科学研究领域，让更多科研人员参与和智能化学相关的研究，还能产生高质量、高通量的科学数据，助力建立跨学科、跨领域的通用科学智能模型。