单原子催化剂(SAC)是电催化(例如析氢反应(HER))中一个新的研究。最近的理论和实验研究表明,某些基于M-N-C(金属-氮-碳)的SAC对HER表现出优异的性能。在这里,我们报告了一种新方法,可通过更改碳底物的尺寸和维数同时保持相同的配位环境来调节SAC的HER活性。我们使用第一原理密度泛函理论(DFT)在HER的N掺杂2D石墨烯和纳米石墨烯中筛选了3d、4d和5d过渡金属SACs。与它们的2D石墨烯对应物相比,包含V、Rh和Ir的纳米石墨烯,预计具有显著增强的HER活性。我们转向机器学习,以基于各种描述符和压缩传感来准确预测氢吸附的自由能(ΔGH),以识别活动的关键描述符,该描述符可用于进一步筛选其他候选对象。
Figure 1. H在嵌入N掺杂石墨烯(NG)上的过渡金属单原子上的H吸附的优化结构:(a)Sc-NG,(b)Co-NG,(c)Zn-NG。按键:C,灰色;N,蓝色;H,白色;Sc,青色;Co,洋红色;Zn,绿色。
Figure 2. 计算嵌入在N掺杂石墨烯中3d,4d和5d过渡金属单原子的ΔGH。
Figure 3. 嵌入不同尺寸N掺杂纳米石墨烯中的单个过渡金属原子的结构:(a)大,(b)中和(c)小。按键:C,灰色;H,白色;N,蓝色;金属,洋红色。
Figure 4. 比较N掺杂石墨烯(a)和小纳米石墨烯(b)上V的局部态密度(DOS)。虚线表示EFermi;绿色实线,d波段中心。
Figure 5. 使用(a)内核岭回归、(b)随机森林回归,(c)神经网络回归和(d)SISSO回归计算的DFT与机器学习预测的ΔGH的比较。
相关研究成果于2020年由加州大学De-en Jiang课题组,发表在J. Phys. Chem. C(doi.org/10.1021/acs.jpcc.0c04432)上。原文:Descriptors for Hydrogen Evolution on Single Atom Catalysts in Nitrogen-Doped Graphene。
联系客服