电催化学术QQ群：1025856252由于复杂的反应机理和丰富的活性位点，开发用于二氧化碳还原反应（CO2RR）的高效原子催化剂（AC）仍然需要超高的实验资源和较长的研究周期。在此，香港理工大学黄勃龙首次提出了基于能量的第一原理机器学习（FPML）方法，基于超过15000个数据集来直接预测CO2RR的反应趋势。CO2RR的AC揭示了氢化步骤的独特比例关系，该关系与活性位点而不是电子转移数相关。 本文要点要点1. 该工作基于机器学习（ML）预测，报告了标准电极电位受pH值的影响，并提出了零点校准策略，以实现更准确的电催化反应预测，为实验提供有意义的参考。要点2. 研究人员揭示了通过混合活性位点构建的电活性区域的形成，这证实了活性位点激活的邻近效应。此外，C3中间体的预测表明石墨炔碳活性位点上多碳偶联过程的潜力。这项工作为通过机器学习预测CO2RR中不同活性炭的化学反应趋势提供了一种有效的方法，有望加速用于广泛电催化的新型活性炭的合理设计。Mingzi Sun and Bolong Huang, Machine Learning Across Metal and Carbon Support for the Screening of Efficient Atomic Catalysts Toward CO2 Reduction, Adv. Energy Mater. 2023, 2301948DOI: 10.1002/aenm.202301948https://doi.org/10.1002/aenm.202301948 热催化学术QQ群：741409795光催化学术QQ群：248292372电催化学术QQ群：1025856252均相催化与酶催化QQ群：871976131多孔材料学术QQ群：813094255 同步辐射丨球差电镜丨FIB-TEM原位XPS、原位XRD、原位Raman、原位FTIR加急测试朱老师 学研汇技术经理158 7177 4683www.xueyanhui.com
