甲烷水汽重整(Steam Methane Reforming,SMR),是一个成熟的传统化工过程,在能源和化学合成领域具有十分广泛的应用。最近几十年,能源危机和环境污染日趋严重,使得人们更加关注能源的清洁使用。SMR作为天然气清洁利用的重要技术,其工艺的革新,将对我国及世界能源形势带来深远的影响。对SMR动力学的认识是推进其技术发展的基石,而自上个世纪三十年代以来,虽然出现大量的相关研究;但迄今为止,其动力学本质仍存在诸多争议,其催化剂积碳也严重阻碍了 SMR技术的发展。因此,本研究工作以密度泛函理论(Density functional Theory,DFT)为基本工具,建立了普适的SMR微观动力学和宏观速率方程;并辅以深度学习的方法,进行抗积碳SMR催化剂设计;另外,使用类似的方法,也对较主流的液体储氢技术,甲醇水汽重整(Methanol Steam Reforming,MeSR)过程进行了深入研究。论文共分为六章:第一章,介绍了 SMR广泛的应用背景及研究现状。第二章,以DFT为基础,结合过渡态理论,研究了完整单碳表面物种的SMR基元反应网络,并建立了SMR宏观反应器模型。此完全第一性的模型,在跨越工业制氢及固体氧化物燃料电池常见工况的较宽条件,与实验高度一致,证明了本工作得到的SMR微观动力学模型的普适性。第三章,在微观动力学的基础上,比较了各实验条件下SMR的动力学行为,并归纳了多个实验条件下的主要反应路径和速控步骤;然后,使用化学动力学相关知识,推导了解析形式的SMR宏观速率方程。通过对方程性质的分析,给出了由于条件的改变,SMR动力学发生变化的整体图像,阐明了目前不同实验观测到的CH4、H2O反应级数及活化能相互矛盾的起源,对看似冲突的实验结果进行了统一。第四章,使用研究SMR类似的方法,研究了 Ni表面MeSR动力学过程,同样给出了 MeSR的速率方程;此外,在研究中发现,表面OH*会显著降低CHxO-H*的脱氢能垒,因此,在此章的最后,着重讨论了因OH*与CHxO-H*之间的氢键产生的催化作用。第五章,在对SMR动力学深入认识的基础上,提出了一种以深度学习为辅的完整催化剂设计方法。首先,基于对SMR动力学的深入认识,根据异相催化中的线性关系,找到了能正确预测过渡金属活性规律的SMR活性描述符;然后,使用深度学习的方法对大量合金的活性进行预测,并筛选高活性催化剂;最后,筛选满足多方面需求的合金。基于此,以催化剂C*和O*的吸附能作为活性描述性,并经训练后的深度神经网络预测,再经过几个步骤的筛选,获得了 11种活性高、价格低、环境友好、且稳定的合金。其中Ni3Ga、CoGa及NiZn,经密度泛函理论计算,验证了它们的SMR活性和抗积碳性能。第六章,进行了总结及展望。