Marco de selección de electrodos para catalizadores de reacción de evolución de oxígeno que incluyen teoría funcional de la densidad y método de elementos finitos

Área de la Ciencia:

• Ciencias de los materiales
• La electroquímica
• Química computacional

Sus antecedentes:

• Los electrodos duraderos y de alto rendimiento son esenciales para una eficiente electrólisis del agua y la producción de hidrógeno verde.
• La reacción de evolución del oxígeno (OER) es un cuello de botella crítico en la electrólisis del agua.

Objetivo del estudio:

• Desarrollar y validar un marco de modelado multiscala que integre DFT y FEM para el diseño de electrodos OER.
• Para conectar los mecanismos de catalizador a escala atómica con el rendimiento electroquímico a escala macro.
• Identificar electrocatalizadores prometedores para el REA en los electrolizadores de membrana de electrolitos poliméricos.

Principales métodos:

• Teoría funcional de densidad integrada (DFT) con modelado de elementos finitos (FEM) para el análisis a escala múltiple.
• El rendimiento redox modelado de los catalizadores IrO2, RuO2, Co-Pt y Ni-Fe utilizando FEM.
• Voltamogramas cíclicos (CV) obtenidos y validados con datos experimentales.
• Caminos de reacción vinculados a nivel cuántico con el rendimiento electroquímico a escala continua.

Principales resultados:

• El marco integrado DFT-FEM predijo con precisión el rendimiento del catalizador y validó los resultados experimentales.
• Los cálculos a escala atómica proporcionaron la estructura electrónica y la energía sin entrada experimental.
• RuO2 demostró una actividad catalítica OER superior debido a sus propiedades electrónicas y estructurales favorables, incluida una baja brecha HOMO-LUMO y una alta densidad de corriente de intercambio.

Conclusiones:

• El marco de modelado multiscala predice efectivamente el rendimiento del catalizador OER e identifica los pasos limitantes.
• RuO2 es un electrocatalizador muy prometedor para aplicaciones de OER, que ofrece una cinética y una durabilidad mejoradas.
• Este enfoque predictivo acelera el diseño de electrodos eficientes para la producción de hidrógeno verde.