AEM：跨金属和碳载体的机器学习用于筛选高效的二氧化碳还原原子催化剂

Nanoyu

2023-07-29

由于复杂的反应机理和丰富的活性位点，开发用于二氧化碳还原反应（CO₂RR）的高效原子催化剂（AC）仍然需要超高的实验资源和较长的研究周期。

在此，香港理工大学Bolong Huang首次提出了基于能量的第一原理机器学习（FPML）方法，基于超过15000个数据集来直接预测CO₂RR的反应趋势。CO₂RR的AC揭示了氢化步骤的独特比例关系，该关系与活性位点而不是电子转移数相关。

文章要点

1）该工作基于机器学习（ML）预测，报告了标准电极电位受pH值的影响，并提出了零点校准策略，以实现更准确的电催化反应预测，为实验提供有意义的参考。

2）研究人员揭示了通过混合活性位点构建的电活性区域的形成，这证实了活性位点激活的邻近效应。此外，C₃中间体的预测表明石墨炔碳活性位点上多碳偶联过程的潜力。

这项工作为通过机器学习预测CO₂RR中不同活性炭的化学反应趋势提供了一种有效的方法，有望加速用于广泛电催化的新型活性炭的合理设计。

参考文献

Mingzi Sun and Bolong Huang, Machine Learning Across Metal and Carbon Support for the Screening of Efficient Atomic Catalysts Toward CO₂ Reduction, Adv. Energy Mater. 2023, 2301948

DOI: 10.1002/aenm.202301948

https://doi.org/10.1002/aenm.202301948