近日，河北师范大学职业技术学院、中燃工学院王长洪博士、刘洁宇博士团队与天津大学于一夫教授团队合作，在“人工智能+能源催化”领域取得重要进展。研究成果“Screening of Silver-Based Single-Atom Alloy Catalysts for NO Electroreduction to NH3 by DFT Calculations and Machine Learning”发表在国际化学领域顶级学术期刊《Angewandte Chemie International Edition》。河北师范大学为第一单位，刘洁宇博士为论文第一作者，王长洪博士和于一夫教授为论文共同通讯作者。
清洁能源驱动的电催化NO还原反应（NORR）合成氨作为一项新兴技术，旨在减少NO污染并生产高附加值产品。在这一背景下，探索具有高活性和选择性的NORR电催化剂至关重要。单原子合金（SAA）催化剂因其超高的原子利用率、优异的催化性能和明晰的成键环境备受关注。然而，建立催化性能与活性位点本征特性之间的构效关系，实现对催化性能的理性调控，仍然是探索单原子合金NORR催化剂体系所面临的挑战。王长洪、刘洁宇团队以Ag基单原子合金为研究对象，依托“人工智能+能源催化”，构建了NORR催化性能的通用描述符，发展了DFT四步过滤法结合机器学习算法理性设计NORR电催化剂的新策略。研究发现，费米能级附近由过渡金属单原子的s轨道填充时，催化剂具有较高的氨选择性。不同反应中间物种与金属表面间的结合能通常呈现线性规律，掺杂单原子与Ag基底的协同作用打破了线性规律，导致传统自由能描述符的失效。为此，作者结合能量跨度模型和巨正则恒电势计算，引入了Φmax(η)活性描述符，并通过机器学习算法深入探究了催化活性与活性位点本征特性间的内在关联规律。结果表明，极端梯度提升回归(XGBR)算法对Φmax(η)表现出优异的预测能力；特征重要性分析表明，Φmax(η)与活性中心的局域环境高度相关，即NO与金属原子间的平均键长、掺杂原子的第一电离能和d带中心共同决定了SAA的NORR性能；SISSO算法可解释性地阐明了Φmax(η)与重要特征间的量化关系。这项工作为深入理解NORR合成氨反应机制和理性设计单原子合金催化剂提供了重要理论指导。《Angewandte Chemie International Edition》创刊于1887年，作为化学领域的顶级学术期刊之一，在国际化学领域具有很高的学术影响力。最新影响因子16.1，属于中科院一区top期刊。2024年，王长洪、刘洁宇团队以河北师范大学为第一单位，围绕“人工智能+能源催化”已发表中科院一区文章3篇，包括《Angewandte Chemie International Edition》1篇，《Chinese Journal of Catalysis》1篇，《Rare Metals》1篇。论文链接：https://doi.org/10.1002/anie.202414314来源：河北师范大学职业技术学院
