EES：理论计算+机器学习！探究三元金属(氢)氧化物非晶催化剂的复杂构效关系

电化学水分解制氢是一种缓解能源危机和全球环境问题的有效手段。然而，阳极析氧反应(OER)作为水分解的半反应之一，其涉及多个质子/电子耦合步骤，导致其具有缓慢的反应动力学。

因此，人们已经进行了大量的研究来探索具有足够催化活性和稳定性的高效OER催化剂/电极，近年来，除了IrO₂和RuO₂等贵金属基催化剂外，人们还开发了几种非贵金属基OER催化剂，如多金属氧化物、层状双氢氧化物、尖晶石型氧化物或钙钛矿氧化物等。

虽然目前的研究已经讨论了材料活性物质、纳米结构和成分，但仍缺乏对内在结构-性质关系的探究。此外，催化剂的组分或晶相往往受到合成过程的复杂影响，这使得在大规模合成和实际应用中很难实现再现性。

近日，阿德莱德大学李昊博和澳大利亚国立大学Siva Karuturi等结合机器学习(ML)和密度泛函理论(DFT)计算来探索二元或三元多金属催化剂的复杂构效关系。

具体而言，研究人员首先通过腐蚀工程策略合成了一种高活性的三元金属(氢)氧化物(NiFeCo)OER催化剂，其中Ni: Fe: Co原子比为94.36%: 2.04%: 3.60%。由于其独特的三元组分和非晶态结构，该催化剂在1.0 M KOH溶液中达到10 mA cm^-2电流密度时的过电位仅为146 mV，并具有超过300小时的稳定性。

受这一发现的启发，研究人员通过原子尺度的活性位点工程获得的超过300个Fe、Co、Ni(氢)氧化物结构组成的DFT计算数据集显示，反应中间体吸附能和OER过电位呈广泛分布，同时Fe、Co、Ni组分与OER过电位之间的关系尤为复杂。

通过分析基于活性位点结构中复合金属物理性质的数据驱动的机器学习方法，三元组分有望获得比单金属或二元催化剂更高的OER活性；同时，在各种物理性质中，磁矩对这种催化剂的OER活性有重要影响；此外，非晶态催化剂的局部结构表现出相当的复杂性，而活性位点结构仍然是影响其活性的关键因素。

综上，活性位点工程对所有可能的数百个活性位点结构进行了全面的构建和计算，这有助于研究无定形催化剂中组成元素之间复杂的相互作用，并且这些发现为合理预测和设计具有改进性能的多金属(氢)氧化物材料提供了依据。

Unlocking the Performance of Ternary Metal (hydro)oxide Amorphous Catalysts via Data-driven Active-site Engineering. Energy & Environmental Science, 2023. DOI: 10.1039/d3ee01981k