Descifrando las transformaciones estructurales y químicas de los catalizadores de óxido durante la reacción de...

Área de la Ciencia:

• Ciencias de los materiales
• La electroquímica
• Catálisis

Sus antecedentes:

• Los óxidos de metales de transición bimetales, específicamente los CoFe_3-O₄, son electrocatalizadores prometedores para la reacción de evolución del oxígeno (OER) en medios alcalinos.
• La identificación de los verdaderos sitios activos y sus estados en estos catalizadores complejos es un desafío debido a los estados de valencia mixta, diversos entornos químicos y fases amorfas.
• Las técnicas operando convencionales luchan por resolver estas complejidades en condiciones de reacción.

Objetivo del estudio:

• Para superar las limitaciones en la caracterización de las especies activas y los estados en los catalizadores CoFe_3-O₄ durante el OER.
• Para aclarar la evolución estructural y las transiciones de fase que se producen en condiciones de activación y OER.
• Para correlacionar la dinámica estructural con la actividad catalítica para identificar la especie activa y el mecanismo.

Principales métodos:

• Se empleó la espectroscopia de estructura fina de absorción rápida de rayos X (XAFS) para sondear la evolución del catalizador in situ.
• Se utilizó el aprendizaje automático no supervisado (análisis de componentes principales) para analizar la estructura de absorción de rayos X cercana al borde (XANES).
• Se utilizó el aprendizaje automático supervisado (red neuronal artificial) para interpretar los espectros de estructura fina de absorción de rayos X extendida (EXAFS).

Principales resultados:

• Los métodos de aprendizaje automático rastrearon con éxito la evolución de las especies de metales coordinadas tetraédricamente y octaédricamente.
• Los cambios químicos desenredados revelaron transiciones de fase de óxidos desordenados a estructuras de espinela, y espinela a oxihidróxidos activos.
• Se observaron cambios en el grado de inversión del espínel y las transformaciones superficiales durante la activación y el OER.

Conclusiones:

• El estudio identificó con éxito las especies activas y aclaró el mecanismo OER en los catalizadores Co_Fe3-O4.
• La combinación de operando XAFS y aprendizaje automático proporciona un enfoque poderoso para estudiar sistemas catalíticos complejos.
• La comprensión de estas dinámicas estructurales es crucial para el diseño de electrocatalizadores OER de alta eficiencia.