详细内容或原文请订阅后点击阅览
数据驱动的方法识别有希望的CO₂转化催化剂
一个研究团队已经开发了一个统一的理论框架，以更好地预测单原子催化剂（SACS）用于电化学二氧化碳还原（CO₂RR）的性能。他们的模型同时结合了pH和界面电场的效应，这两个关键因素在常规催化剂研究中经常被忽略或过度简化。
来源:英国物理学家网首页一个研究团队已经开发了一个统一的理论框架，以更好地预测单原子催化剂（SACS）用于电化学二氧化碳还原（CO₂RR）的性能。他们的模型同时结合了pH和界面电场的效应，这两个关键因素在常规催化剂研究中经常被忽略或过度简化。
CO₂RR正在通过将二氧化碳转化为在轻度条件下的有用产物来减少温室气体排放的潜在解决方案。在各种输出中，碳一氧化碳（CO）特别有价值，因为它在合成剂混合物和化学合成中使用。然而，已知CO₂RR期间的催化剂行为对周围的电解质环境，尤其是局部pH值高度敏感。
温室气体排放 二氧化碳 轻度条件 一氧化碳为了解决这个问题，团队创建了一个微动模型，该模型以可逆的氢电极（RHE）量表运行。它明确解释了pH和电场对反应中间体的动态影响。该模型与自旋偏振密度功能理论（DFT-D3）计算和数据驱动筛选结合使用，以基于D-Block Transition Metals评估101个SAC构型。
这项研究发表在《化学物理学杂志》上，研究了跨各种协调环境的SAC，包括吡咯和吡啶官能化石墨烯，共价有机框架（COFS），卟啉和肺泡。在关键中间体的吸附能（∗ COOH和∗ CO）之间发现了一致的线性关系 - 指示结合行为的可预测趋势。
已发布 2 Rhe