阿德莱德大学Nat. Commun.:盐模板策略实现废弃塑料到单原子催化剂的高值转化,推动环境与能源催化应用

导语

塑料污染治理和资源化利用是当前环境领域面临的重大挑战。近日,阿德莱德大学王少彬教授和段晓光副教授团队在Nature Communications上发表重要研究成果,开发了一种通用的盐模板策略,成功将多种废弃塑料转化为高性能单原子催化剂(SACs),为废塑料的高值化利用和先进催化材料的绿色制备提供了新途径。

研究亮点

  • 原料适应性广:适用于聚乙烯、聚丙烯、聚苯乙烯等多种塑料及其混合物

  • 催化性能优异:在过硫酸盐活化降解污染物中表现出卓越活性,反应速率常数显著优于多数报道催化剂

  • 应用领域多样:在电催化氧还原、氮还原以及锂硫电池中均展现出优异性能

  • 规模化潜力:实验室单批次合成产率最高达88%,具备良好的可扩展性

图文解析

图1展示了以过渡金属氯化物为模板和催化剂,在氨气氛下高温热解多种塑料并进一步酸洗纯化,获得结构规整的SACs的合成路径。该方法对单一塑料及混合塑料均适用,显示出良好的原料适应性。

图2通过透射电子显微镜和高角环形暗场扫描透射电子显微镜图像显示,所制备的SACs均呈现层状碳结构,金属原子呈原子级分散,能量色散X射线光谱 mapping证实了碳、氮及金属元素在材料中的均匀分布。

图3总结了不同金属与塑料组合所制SACs的产率与比表面积。以铜为金属模板的SACs表现出最高的比表面积(2795 m²·g⁻¹),而以锰或镍为模板的SACs则倾向于形成介孔结构,拉曼光谱表明所有SACs均具备高度石墨化的碳结构。

图4通过同步辐射软X射线谱和X射线吸收精细结构分析揭示了金属中心的配位状态。除Cu-SACs主要呈现Cu--N₄配位之外,Fe、Co、Ni和Mn基SACs普遍形成Metal--N₄--Cl轴向配位结构,Wavelet变换EXAFS表明绝大多数金属位点处于原子级分散状态。

图5显示塑料源SACs在过硫酸盐活化降解酚类污染物中表现出卓越活性,在宽pH范围(3--11)和复杂水质背景中仍保持接近100%的酚类去除率,并展现出以非自由基电子转移机制为主的反应路径。在连续流固定床反应器中处理40升含酚废水仍保持完全去除率,凸显其实际应用潜力。

技术关联

本研究采用的盐模板策略与高温热解技术路线,其核心工艺特征与高温处理技术密切相关:

  • 高温热处理:研究中采用的氨气氛高温热解过程需要精确的温度控制

  • 气氛调控:不同反应气氛(氨气、惰性气体等)对材料性能的影响显著

  • 工艺可扩展性:从实验室规模向产业化过渡需要解决设备放大和工艺优化问题

这些技术需求与深圳中科精研在高温处理设备领域的技术积累方向一致,特别是在气氛控制系统和温度均匀性方面的技术优势,为新材料研发提供了重要的设备支撑。

总结与展望

本研究通过开发一种以过渡金属盐为模板的普适性方法,成功将多种废塑料转化为具有高比表面积和丰富配位结构的单原子催化剂,实现了克级规模的制备。所获得的塑料源SACs在环境催化和能源转化中均表现出卓越性能,为废塑料的高值化循环利用提供了新途径。

该策略不仅具有重要的环境效益,还为高性能催化材料的绿色制备提供了新思路,有望推动塑料资源循环与碳减排目标的协同实现。未来可进一步探索该策略在更复杂废塑料体系及连续化生产中的适用性与规模化潜力。

文献信息:

Shiying Ren, Xin Xu, Kunsheng Hu, et al.

Salt-templated transformation of waste plastics into single-atom catalysts for environmental and energy applications.

Nat Commun 16, 8194 (2025).

https://doi.org/10.1038/s41467-025-63648-z

相关推荐
xingyuzhisuan4 小时前
稳定性考验:连续跑7天,哪家云主机不重启、不掉线?
服务器·人工智能·gpu算力
sanshanjianke4 小时前
AI辅助网文创作理论研究笔记(十):软件框架设计——模块化B/S架构
人工智能·ai写作
云天AI实战派4 小时前
AI 智能体问题排查指南:ChatGPT、API 调用到 Agent 上线失灵的全流程修复手册
大数据·人工智能·python·chatgpt·aigc
测试狗科研平台4 小时前
第一性原理差分电荷密度分析的计算方法与公式-测试GO
云计算·材料工程·空间计算
学涯乐码堂主4 小时前
有趣的“打擂台算法”
c++·算法·青少年编程·gesp
Tutankaaa5 小时前
知识竞赛题库设计全攻略
人工智能·算法
TImCheng06095 小时前
职场人AI学习周期评估:不同学习路径的时间成本
人工智能·学习
m0_466525295 小时前
酷特AGI:从“自家试验田”到“全球输出”
大数据·人工智能·agi
星爷AG I5 小时前
20-1 记忆概览(AGI基础理论)
人工智能·agi
锕琅5 小时前
OpenAI Codex使用教程-GPT功能配置
人工智能·gpt·codex