开发高效和稳定的原子催化剂(ACs)以实现C2产物的高法拉第效率和选择性,是CO2还原反应(CO2RR)研究的重大挑战。目前,对C2途径的理解以及金属选择和活性位点对CO2RR的影响仍不清楚。
基于此,香港理工大学黄勃龙教授(通讯作者)等人首次报道了在考虑不同金属和活性位点的情况下,对基于石墨炔(GDY)负载ACs的完整C2反应路径映射进行了全面的理论探索。一系列新型过渡金属基GDY-SACs、GDY-Pr和GDY-Pm SACs被证明是产生CH3CH2OH、CH3COOH、CH3CHO和CH2OHCH2OH的有前途的电催化剂,而C2H4的形成对于所有GDY-ACs都非常困难。
对于镧系金属,作者研究发现了双重依赖关联性的存在,证明了金属活性位点是促进决定步骤的关键,并且Pr和Pm相较于其他镧系金属元素具有明显的优势。通过对反应势垒的表征,GDY-Ni、GDY-Cu、GDY-Pd、GDY-Ag、GDY-Pt 、GDY-Pr和GDY-Pm对于生成C2产物是最具潜力的原子催化剂。
因此,基于元素和活性位点的双重依赖关联机制,作者研究锁定了基于VIIIB和IB族过渡金属的GDY-SACs和GDY-Pr和GDY-Pm原子催化剂,并表征出金属位点是促进C2产物生成的主要活性位点,对理解复杂CO2RR机制具有重要意义。
通过第一性原理机器学习预测了关键C2产物的吸附能,发现仅根据锚定金属和GDY的基本物理化学性质难以实现精准预测,与第一性理论计算结果偏差大。作者发现将中间物吸附能加入机器学习数据库后能显著提高吸附能数据的预测精度,将误差大幅降低。此外,作者还利用第一性机器学习实现了对C-C偶联反应的精准预测。根据两种反应物CO*和CHO* 的吸附能可有效预测出COCHO*的吸附能和反应趋势。
Double-Dependence Correlations in Graphdiyne-Supported Atomic Catalysts to Promote CO2RR toward the Generation of C2 Products. Adv. Energy Mater., 2022, DOI: 10.1002/aenm.202203858.
https://doi.org/10.1002/aenm.202203858.
原创文章,作者:Gloria,如若转载,请注明来源华算科技,注明出处:https://www.v-suan.com/index.php/2023/10/14/5851c8bdb9/