乔世璋/焦研JACS:理论计算+机器学习,揭示Mxene上C-N电偶联反应的活性和选择性路线

乔世璋/焦研JACS:理论计算+机器学习,揭示Mxene上C-N电偶联反应的活性和选择性路线
直接电化学C-N偶联反应是实现过量CO2/N2或有害含氮NO3-/NO2-阴离子高效利用并生成高价值产物(包括尿素、甲胺和乙酰胺)的有效方法。众所周知,初始C-N键的形成步骤是决定C-N偶联活性和选择性的关键。然而,关于C-N键形成步骤,特别是关于偶联前体,仍然存在许多争论。根据前人的研究,碳前体被广泛认为是*CO,而氮前驱体仍然不确定。典型的氮前驱体包括在Te/Pd纳米晶和Cu@Zn纳米线上的*NH2、在Cu(100)表面和Fe-Ni双原子催化剂上的*NH、在Pd/Cu/TiO2表面上的*N2,以及在氧诱导的CeO2纳米棒上的*NO。由于氮前驱体的复杂性和C-N偶联反应机理的不明晰,限制了新型选择性催化剂的设计和开发。
乔世璋/焦研JACS:理论计算+机器学习,揭示Mxene上C-N电偶联反应的活性和选择性路线
乔世璋/焦研JACS:理论计算+机器学习,揭示Mxene上C-N电偶联反应的活性和选择性路线
基于此,澳大利亚阿德莱德大学乔世璋焦研等通过密度泛函理论(DFT)计算和数据驱动机器学习(ML)相结合的方法,寻找可能的C-N偶联反应途径的活性和选择性的一般描述符,并建立它们与电催化剂物理化学性质之间的关系。
通过密度泛函理论计算,研究了54种Mxene表面上*CO与各种含氮中间体的一系列不同的C-N偶联路径。结果表明,C-N键形成的反应能与*CO(Ead-CO)的吸附强度呈良好的线性关系;在选择性方面,C-N偶联和其他竞争途径如CRR和NRR可能与*N和*CO(Ead-N和Ead-CO)的同时吸附能力相关。
乔世璋/焦研JACS:理论计算+机器学习,揭示Mxene上C-N电偶联反应的活性和选择性路线
为了实现良好的C-N偶联活性和选择性,MXene催化剂应具有适度的*CO吸附(Ead-CO在−2.7 eV左右)和稳定的*N吸附能力(Ead-N小于−2.5 eV)。为了能够评估更广泛的MXene材料,使用SISSO ML算法确定了一般描述符Ead-CO和Ead-N与MXene催化剂原子特征的关系式。
在此基础上,对包含162个MXenes结构的数据库进行了高效筛选,避免了耗时的密度泛函计算。结果显示,Ta2W2C3具有最佳的C-N偶联活性和选择性,与DFT验证结果一致。总的来说,该项工作为设计电催化材料以实现高效的C-N偶联过程提供了一种新的方法,简化了复杂反应高效催化剂的筛选过程,并且其可以被推广到更广泛的电催化反应,以促进可持续绿色化学品的生产。
Activity and Selectivity Roadmap for C–N Electro-Coupling on MXenes. Journal of the American Chemical Society, 2023. DOI: 10.1021/jacs.3c05171

 点击阅读原文,报名计算培训!

原创文章,作者:计算搬砖工程师,如若转载,请注明来源华算科技,注明出处:https://www.v-suan.com/index.php/2023/11/16/444d5a5f76/

(0)

相关推荐