马里兰大学李腾教授课题组《J. Mater. Chem. A》: 单原子催化剂理性设计

点击蓝字关注我们

负载型金属单原子催化剂最大限度的发挥了金属的催化效率，并提高了催化反应的均一性和选择性，是当前催化领域的研究热点。因此，制备稳定的单原子催化剂具有重要意义。然而，由于对不同金属单原子的形成机理，制备条件，催化性能等问题的探究不足，简单及低成本制备稳定的单原子催化剂成为当前催化领域的重大挑战。

马里兰大学李腾教授课题组提出了一种基于第一性原理计算、大规模分子动力学模拟和机器学习的单原子催化剂设计方案。该方案不仅为理性选择并制备过渡金属元素单原子催化剂提供了理论支撑和定量的指导，还对单原子催化剂性能评估的速度比单纯通过 DFT计算快13万倍。这个超高效的设计方案使得我们可以对所有过渡金属单原子的电催化活性进行预测，从而为单原子催化剂的设计提供了前所未有的理性指导。相关工作以“Rational design of transition metal single-atom electrocatalysts: A simulation-based, machine learning-accelerated study”为题，发表于《Journal of Materials Chemistry A》,并被选为当期的背封面。

I 金属单原子的形成条件

为了分析不同金属单原子形成的可行性，他们以14种过渡金属（Ti, V, Cr Mn, Fe, Co, Ni, Cu, Mo, Ru, Pd, Ag, Pt, Au）为研究对象，分析了这些原子离开颗粒并被空位固定后的路径及能量变化 （图1a），可以看出Ag的能量差大于零，说明Ag更愿意以纳米颗粒的形式存在，所以形成Ag单原子需要更严格的控制温度。从单原子分离的能垒对应的温度（图1c）可以看出，Ti需要约3900K才能离开，由于碳基底在3400K以下温度才能较稳定存在，所以Ti无法在碳基底上形成稳定单原子。金属原子离开纳米颗粒后，金属原子在碳基底的扩散能垒 （图1b）也影响着单原子的形成，如果能垒低，则更容易在碳基底运动并找到可以固定单原子的空位。金属原子在含不同缺陷碳材料表面的结合能 （图1d）表明碳缺陷能够固定金属。

 图1 （a）金属原子离开纳米颗粒到石墨烯表面过程种能量的变化；（b）金属原子在碳材料表面的扩散能垒；（c）金属原子离开纳米颗粒所需要的温度和能垒；（d）金属原子在含不同缺陷碳材料表面的结合能。II 金属单原子的形成过程为了分析金属原子在碳基底的扩散能垒对单原子形成的影响，他们模拟了Au纳米颗粒和Ni纳米颗粒在碳基底演化为单原子的过程 （图2）。模拟过程我们仿照了实验过程，温度循环上升下降 （图2a）。由于Au的扩散能垒低，Au能够更快的在碳基底做运动，所以形成Au单原子仅需1090ps，而形成Ni单原子需要5740ps。此外，由于Au纳米颗粒在高温下运动更快且离开Au纳米颗粒的原子也能够更快找到附近的缺陷位置，所以形成的Au单原子分散面积更大。 图2 Ni 和Au 纳米颗粒在高温下形成单原子的过程 III 金属单原子的ORR催化性能他们进一步分析了14种金属原子分别在单空位和双空位缺陷处的ORR性能。根据图3a和图3b的ORR反应过程，他们计算了反应中间体，O，OH，和OOH在金属上的吸附能，并计算其过电势，根据过电势的大小判断其催化性能（图3c-g）。  图3 14种金属原子分别在单空位和双空位缺陷处的ORR催化过电势 IV 机器学习高效准确预测单原子ORR催化性能为了克服DFT计算“计算周期长”、“占用计算资源巨大”的问题，他们提出了一种基于机器学习的ORR催化活性预测方法。本方法主要基于小样本学习算法，仅通过少量的（共12个）DFT计算数据，训练了预测模型，并具有 8.33 % 的误差精度 （图4a）。为了更有效地选取单原子催化剂，他们采用了火山型曲线描述方法，并将所有的单原子催化剂的 ORR 催化活性进行表征 （图4b,c）。本研究提出的基于机器学习方法的单原子催化剂预测方法，能够大幅地提高催化剂的筛选速度。具体来讲，他们在 40 核的超算服务器上进行 DFT 计算，每种元素的 ORR 催化活性确定需要大概36个小时。而基于机器学习的方法包括训练和预测共14种元素可在家用笔记本电脑约40秒完成计算。催化剂的筛选速率提高了约 130,000 倍。 

图4 机器学习加速金属ORR催化性能的准确预测 

论文链接：

Lianping Wu, Tian Guo and Teng Li, Rational design of transition metal single-atom electrocatalysts: a simulation-based, machine learning-accelerated study, J. Mater. Chem. A, 2020,8, 19290-19299

https://doi.org/10.1039/D0TA06207C

作者介绍

马里兰大学李腾教授团队（http://lit.umd.edu/）专注于高性能可持续材料、软材料、低维纳米材料、原子尺度催化剂、能源存储材料等的设计与开发，相关研究成果发表在Nature, Science, Nature Review Materials, Nature Nanotechnology, PNAS, PRL, JACS, Advanced Materials, Materials Today, Advanced Energy Materials 等国际顶级期刊，并于2018年荣获被誉为“国际发明创造奥斯卡”的R&D100大奖，以及2019年马里兰大学年度发明奖（物理科学领域）。李腾教授现任马里兰大学先进可持续材料与技术实验室主任，Extreme Mechanics Letters副主编，荣获国际工程科学学会青年科学家奖章（2016）。李腾教授在2006年和哈佛大学锁志刚教授共同发起创建iMechanica.org,目前已经成为国际力学领域用户最多的网络资源平台。李腾教授的微信视频号2020年7月5日开通 （微信视频号：李腾教授），旨在分享科研心得，助力青年学者科研腾飞。每天发布的短视频受到广泛关注并被媒体采访，总播放量超过200万次，迅速成为微信视频号科研类头部大号。李腾教授的微信公众号“科研腾飞”不定期发布深度长文，进一步展开探讨视频号里大家关心的科研话题。

相关进展

美国马里兰大学胡良兵教授和李腾教授团队: 让木材像钢铁一样坚硬！
美国马里兰大学帕克分校胡良兵教授：用于酸性水系电池的碳纳米管-纤维素纳米纤维复合集流体
马里兰大学胡良兵教授开发出一种3D打印织物，凉爽效果比棉织物高55%
马里兰大学胡良兵教授和Prof.Siddhartha Das: 仿生-受树启发的高效水提取
美国马里兰大学胡良兵副教授：超强超硬纤维素纳米纤维

化学与材料科学原创文章。欢迎个人转发和分享，刊物或媒体如需转载，请联系邮箱 : [e-mail]

扫描二维码

关注我们

微信号 : Chem-MSE

诚邀投稿

欢迎专家学者提供化学化工、材料科学与工程产学研方面的稿件至[e-mail]，并请注明详细联系信息。化学与材料科学®会及时选用推送。