作为有效演化反应的电催化剂,与原子协调的单一Pd化:DFT和机器学习研究

科学领域:

• 材料科学 材料科学 材料科学
• 电化学 电化学 电化学
• 计算化学计算化学

背景情况:

• 演化反应 (CER) 在工业电化学中至关重要.
• 为CER开发高效和选择性的电催化剂仍然是一个重大挑战.
• 过渡金属固材料为催化应用提供了有前途的途径.

研究的目的:

• 设计和研究与原子 (TMN_x@As) 协调的新型单个过渡金属化作为CER的电催化剂.
• 了解这些TMN_x@As系统的催化活动的因素.
• 为了确定最佳的催化剂配置,以提高CER性能.

主要方法:

• 利用密度函数理论 (DFT) 计算来建模和分析催化剂结构和电子性质.
• 采用机器学习算法来选和预测催化活性.
• 系统地改变过渡金属和协调水平.

主要成果:

• 确定了 (Pd) 为TMN_x@作为电催化剂的最佳过渡金属.
• 确定66.67%的协调含量产生了最佳的催化性能.
• 确定催化活性主要取决于过渡金属的共价半径 (R_c),原子非结合半径 (R_a) 和协调球中的原子分数 (f_N).

结论:

• 与原子 (TMN_x@As) 协调的单个过渡金属化是CER的有效电催化剂.
• TMN_x@As电催化剂的性能可以通过选择适当的过渡金属和控制协调来调整.
• 诸如R_c,R_a和f_N等关键描述符为未来CER电催化剂的合理设计提供了宝贵的指导.