DigCat团队最新Angew. Chem.案例:利用DigCat平台揭示Sn基催化剂单原子与多原子截然相反的pH响应机制

2024-11-29 21:28   日本  

2024年11月28日,日本东北大学李昊团队(DigCat团队)携手香港城市大学范俊团队、山东大学程合锋团队,利用DigCat平台进行大规模的数据挖掘,通过pH依赖的动力学预测与实验验证,揭示了在二氧化碳还原(CO2RR)至甲酸的过程中,单原子Sn和多原子Sn催化剂之间存在相反的pH依赖行为。研究表明,对于不同的Sn基催化剂,我们需要采取不同的设计策略。此外,团队不仅将所有的计算结构和实验数据上传至DigCat平台,更重要的是,也将pH依赖的CO2RR火山模型上传至DigCat平台,方便后续用户使用和分析

图文导读

通过对2,348种已报道催化剂的CO2RR性能数据进行大规模挖掘 (所有实验数据均来自于DigCat数据库),团队系统分析了不同催化剂类型的主要产物法拉第效率(FE)。其中,Sn基催化剂在形成甲酸方面表现出显著的活性和pH依赖性,酸性到碱性条件下的CO2还原到HCOOH的FE呈现出上升的趋势。

【图1

本研究分为九个步骤:首先,通过数据挖掘提取过去十年实验文献数据,并将其存储至DigCat数据库;其次,结合密度泛函理论(DFT)计算和基于机器学习力场(MLFF)的加速分子动力学(MD)模拟,分析多原子Sn基催化剂的表面状态与重构行为;随后,利用电场效应和分子动力学模型,深入探讨pH依赖的关键活性因素;接着,构建pH依赖性模型,并通过实验验证火山图的预测精度;最后,通过高通量筛选,发现潜在高效的新型M-N-C(单原子)催化剂。

【图2

在电化学条件下,准确识别Sn催化剂的活性物种是揭示结构-性能关系的关键。本研究通过表面Pourbaix相图和MLFF加速的MD模拟,分析了多原子Sn在负电位下的表面状态及重构行为。结果表明,SnO2表面在负电位下逐渐形成富含氧空位的还原表面,最终转变为金属Sn覆盖结构,重构为纳米棒,与实验观察一致。这为进一步基于重构表面的活性研究提供了科学依据。

【图3

通过偶极-电场相互作用显著影响中间体的结合强度,不同Sn基催化剂表现出截然不同的响应特性。研究表明,Sn-N4-C SAC上正偶极矩使*OCHO在负电场中更稳定,而r-SnO2-x(重构的SnO2体系)表现出相反趋势。进一步分析了PZCpotential of zero charge: 零电荷电势)对电催化性能的影响,并通过显式溶剂模型精准评估了Sn基催化剂的PZC值。能量路径分析表明,Sn-N4-C SAC和多原子Sn的潜在决速步骤随pH变化显著,从热力学的角度揭示了CO2RR活性随pH调整的机制。

【图4

团队通过pH依赖模型,结合动力学和热力学分析,揭示单原子和多原子Sn催化剂在CO2RR中生成甲酸的结构敏感性。结果表明,pH变化导致单原子Sn催化剂和多原子Sn催化剂的活性火山图分别向相反方向移动。具体而言,随着pH的增加,单原子催化剂适当增强*OCHO吸附,多原子催化剂需适当减弱*OCHO吸附,因此表现出提高的催化活性。本研究提出的pH依赖模型深入揭示了Sn基催化剂的行为。通过合成Sn-N4-C SAC并结合详细表征,验证结果与预测高度一致。此外,r-SnO2-x在中性和碱性条件下的实验与理论数据表现出良好一致性。

【图5

M-N-C(单原子)催化剂因其明确的结构和高原子利用率备受关注,同时p区金属(如Sn, In, Bi)被认为是潜力巨大的HCOOH催化剂。团队预测了51p区金属单原子催化剂(SACs)的性能,基于*OCHO*COOH结合能选择性分析,结合pH条件的理论火山图,筛选出在酸性和碱性环境下表现优异的催化剂,如In-Pc-NH2-2Bi-Pc-NH2-1

【图6

结论

综上所述,团队揭示了单原子和多原子Sn催化剂在CO2RRpH依赖的活性差异。单原子Sn催化剂和多原子Sn催化剂对电场的响应趋势相反,根本原因在于局部结构差异及OCHO偶极矩方向不同。基于此分析,团队提出设计策略:单原子Sn催化剂应适当增强OCHO的结合强度,多原子Sn催化剂则需适当减弱其结合能。

值得一提的是,该研究相关的微观动力学模型、计算结构和实验数据,包括文献数据挖掘的数据,都已储存至DigCat平台,方便后续用户使用和分析。

论文信息

Divergent Activity Shifts of Tin-Based Catalysts for Electrochemical CO2 Reduction: pH-Dependent Behavior of Single-Atom versus Polyatomic Structures

Yuhang Wang, Di Zhang, Bin Sun, Xue Jia, Linda Zhang, Hefeng Cheng*, Jun Fan*, Hao Li*

论文链接:

https://onlinelibrary.wiley.com/doi/epdf/10.1002/anie.202418228


数字催化+数字电池
Digital Catalysis Platform (DigCat) 数字催化平台及Dynamic Database of Solid-State Electrolyte (DDSE) 固态电池电解质平台 ,由日本东北大学李昊教授领衔开发
 最新文章