無序固溶體合金具有豐富的催化位點,，因此可以被用于催化多種重要的化學反應(yīng)。然而,也正是由于其多位點的特性,，給此類催化劑活性位點的局部結(jié)構(gòu)解析和總體活性的理論預(yù)測帶來巨大的挑戰(zhàn)。具體表現(xiàn)在,，模擬時采用隨機位點策略,，數(shù)據(jù)量龐大，需要消耗大量的計算資源,，且難以直接分析結(jié)果,。使用機器學習輔助密度泛函理論計算的策略已被證實可以大幅提高計算效率，同時多種統(tǒng)計方法也在部分合金催化體系中被證明是分析大量數(shù)據(jù)的有力工具,。然而,，目前對于無序固溶體合金的研究對于總體活性的計算方法仍不全面。因此,，發(fā)展有效,、準確的多位點合金催化劑總體活性的計算描述方法是指導(dǎo)實驗上實現(xiàn)合金組分和比例篩選、可控合成的關(guān)鍵,。
近期,，中國科學技術(shù)大學國家同步輻射實驗室宋禮教授和化學與材料科學學院武曉君教授兩個團隊合作，建立了適用于描述多位點合金催化劑總體活性的理論模型,，提出了等效位點比例的統(tǒng)計概念,，結(jié)合機器學習和統(tǒng)計分析實現(xiàn)了Pt-Ru無序固溶體電催化析氫中多位點貢獻的定量描述。相關(guān)成果以“Analyzing Active Site and Predicting Overall Activity of Alloy Catalysts”為題發(fā)表在國際學術(shù)期刊《Journal of the American Chemical Society》上（https://doi.org/10.1021/jacs.4c01542）,。
圖：SelectedastheSupplementaryJournalCover
該研究以多位點Pt-Ru無序固溶體合金為模型體系,，首先使用基于密度泛函理論和機器學習的高通量計算方法,獲得了大量隨機位點吸附氫原子的自由能數(shù)據(jù)。隨后,使用元素徑向分布和位點能量分布兩種統(tǒng)計方式,，建立了位點微觀結(jié)構(gòu)和本征活性之間的關(guān)系,發(fā)現(xiàn)Pt3|Ru1和Pt3|Ru3是電催化析氫反應(yīng)HER的活躍位點,。在此基礎(chǔ)上，創(chuàng)新地引入了等效位點比例的概念,揭示了位點數(shù)量,、本征活性與催化劑的總體活性的定量關(guān)系,。相關(guān)的預(yù)測表明,在合金中Ru濃度相對較低時, 等效位點比例達到最大值；當Ru元素含量在20%到30%之間時,Pt3|Ru1和Pt3|Ru3位點的數(shù)量顯著增加,。隨后實驗上PtRu合金的催化比活性測試結(jié)果與模型預(yù)測的結(jié)果高度一致,，證明了作者提出的統(tǒng)計方法和等效位點比例有望成為解析電催化活性位點結(jié)構(gòu)和定量描述總體活性的有效手段。
圖：機器學習和統(tǒng)計分析指導(dǎo)催化劑的高通量篩選與設(shè)計
在前期的研究中,，團隊使用了統(tǒng)計分析方法識別和篩選具有多元素組成的二維層狀材料體系,，并成功應(yīng)用于硫還原反應(yīng)中催化劑的高通量篩選。相關(guān)成果以＂?High-Throughput Screening of Sulfur Reduction Reaction CatalystsUtilizing Electronic Fingerprint Similarity＂為題發(fā)表在國際學術(shù)期刊《JACSAu》上（?https://doi.org/10.1021/jacsau.3c00710）,。該研究以具有豐富組分和表面官能團的二維過渡金屬碳化物/氮化物為對象,，通過比對基準催化劑費米面附近態(tài)密度的電子指紋相似性，對420種MXene進行了快速篩選,，得到了30種高性能的候選材料,。隨后,，利用電催化硫還原反應(yīng)SRR中材料吉布斯自由能的計算，證明了超過93%的篩選準確率,，說明電子指紋相似性有望用于高效催化劑的高通量篩選,。
上述研究為電催化劑的多組分效應(yīng)、多位點作用及反應(yīng)路徑等提供了重要見解,所開發(fā)的統(tǒng)計方法和機器學習模型為催化劑的高通量篩選,、功能調(diào)控及智能研發(fā)提供了有用的基礎(chǔ),。
本工作得到了國家基金委杰出青年基金、國家基金委大科學裝置聯(lián)合重點,、科技部重點研發(fā)計劃,、中國科學院和合肥綜合性國家科學中心等項目的資助。
（國家同步輻射實驗室,、化學與材料科學學院,、科研部）
