机器学习/第一性原理预测二维过渡金属二硫族化物合金基面位点的HER催化性质
氢能是最清洁的能源之一,对于实现双碳目标和解决能源危机至关重要。二维过渡金属二硫族化物(2D TMDC)是一类有前途的析氢反应(HER)电催化剂。然而,2D TMDC上HER反应的活性位点通常只分布在边缘,而占据大部分面积的材料基面往往是惰性的,这限制了2D TMDC催化性能的提高。
先前实验表明,合金化可以提升2D TMDC的HER催化性能,但其机理尚不清楚。另外,2D TMDC合金存在多种可能的组合,可能导致不同的稳定性和催化性能,这增加了研究的难度并限制了传统试错方法的适用性。因此,采用合适的方法筛选2D TMDC合金以催化HER并研究其基面活化机理具有重要的意义。
基于此,来自加拿大麦吉尔大学的博士生陈艺青(导师为宋俊教授)与美国西北大学的欧鹏飞博士在国际期刊Journal of Materials Chemistry A上发表题为“Basal plane activation of two-dimensional transition metal dichalcogenides via alloying for hydrogen evolution reaction: first-principles calculations and machine learning prediction”的研究论文。
该工作建立了一个基于密度泛函理论(DFT)计算的机器学习工作流程,以预测一系列不同组成的2D TMDC三元合金的HER活性和稳定性。结果表明,合金化能够显著降低基面氢吸附的吉布斯自由能(ΔGH),证明了合金化是活化基面以催化HER的可行途径。同时,对这些2D TMDC合金的稳定性预测进一步显示了它们在实验中合成的潜力。通过进一步分析发现,合金化诱导的基面活化机制源于电子效应,即由化学成分变化导致的吸附位点p带位移。这些发现有望为2D TMDC合金催化应用的合理设计提供指导。
要点一:机器学习流程预测2D TMDC三元合金的HER活性和稳定性
我们使用机器学习流程预测一系列不同浓度的2H-MX2三元合金(M = Cr、Mo、W、V、Nb、Ta、Ti、Zr、Hf;X = S、Se)的稳定性和基面HER活性(图1),数据集包括1140个基于DFT计算的合金吸附构型(图2a,c)。合金的HER活性由氢吸附的吉布斯自由能(ΔGH)描述,合金热力学稳定性的判定标准为完全混溶的临界温度TCM < 1000 K。我们选择原子序数(Z)、Pauling电负性(χ)和原始MX2上氢吸附的吉布斯自由能(ΔGH-MX2)作为每个TMDC合金构型的特征向量。训练的模型准确预测了多达8400个不同的合金吸附构型的的稳定性和基面HER活性。HER活性测试集的平均绝对误差为0.1 eV,稳定性测试集的精度为89.3%。
图1. a. 2D TMDC吸附构型示意图,其中过渡金属、硫族元素、氢原子分别用青、黄和白球表示。b. 机器学习预测ΔGH和热力学稳定性的工作流程。
图2 a. MS2和MSe2上氢吸附的DFT计算ΔGH的归一化分布。b. ΔGH预测的训练集和测试集的性能。c. MS2和MSe2的DFT计算稳定和不稳定合金的比例。d. 稳定性预测的训练集和测试集的性能。
机器学习预测了每种合金ΔGH随浓度的变化(图3)。结果表明合金化后某些构型的ΔGH值显著降低,低于对其原始结构进行线性插值所得到的ΔGH值。而其中一些MS2合金,如Mo(1-x)VxS2,W(1-x)HfxS2和Ti(1-x)ZrxS2,在广泛浓度范围内更是具有理想的ΔGH值。这些结果表明,合金化可以有效激活基面以催化HER。
此外我们还观察到,当相应原始TMDCs的ΔGH值差异较大时,合金化效应往往更为显著,这可能是因为在这些合金中原子之间的电荷重新分布更加明显。我们还计算了每种合金中理想吸附位点所占的比例,考虑了只考虑活性和同时考虑活性与稳定性两种情况,展示在图4中。上述结果为实验合理设计2D TMDC合金催化剂提供了重要信息。
图3. 8种代表性TMDC三元合金在不同浓度下的ΔGH。黑色虚线表示ΔGH的理想值。
图4. HER活性热力图分别展示了MS2合金吸附位点的:a)ΔGH在(-0.1, 0.1) eV理想范围内的比例;和b)稳定性和理想ΔGH所占的比例。方框内数字表示比例数值,该值也在图中用颜色深浅反映。
为了探索合金化在增强2D TMDC基面HER活性的潜在机制,我们进一步分析2D TMDC合金的电子结构。如图5a所示,合金的ΔGH 和硫族原子的p带中心(εp)之间存在良好的线性相关性。我们还发现,TMDC合金中化学成分变化可以显著改变硫族原子的p带位置(图5b)。合金化导致硫族元素的p带向费米能级移动,这增强了氢原子在硫族原子上的吸附,从而提高了合金的HER活性。研究进一步探索了合金的形成过程,结果显示原子之间的电荷交换(CEX)对εp的变化起到了关键的作用(图6)。
图5. a. MS2和MSe2的εp与ΔGH之间的关系。b. Mo(1-x)VxS2和W(1-x)VxSe2合金中最佳(最低)ΔGH的吸附位点的εp随化学成分变化的趋势。
图6. a. 体积变形(VD)、电荷交换(CEX)和结构弛豫(SR)步骤组分加权平均εp的演变。b. 两种代表性合金上氢吸附位点附近的金属原子电荷密度差分布图。
Basal plane activation of two-dimensional transition metal dichalcogenides via alloying for hydrogen evolution reaction: first-principles calculations and machine learning prediction
https://pubs.rsc.org/en/Content/ArticleLanding/2023/TA/D3TA01361H
欧鹏飞博士(通讯作者):2020年在加拿大麦吉尔大学获得博士学位,2020-2022年在加拿大多伦多大学从事博士后研究;现为美国西北大学化学系Research Associate,合作导师为Edward H. Sargent教授。长期从事计算电化学和数据驱动催化材料的研究和开发。以第一作者和通讯作者(含共同)在Nat. Energy,Nat. Catal.,Nat. Commun.,J. Am. Chem. Soc.,Sci. Adv.和Proc. Natl. Acad. Sci.等学术期刊发表多篇论文。至今已发表论文60余篇,被引用1300余次,H因子为20。
陈艺青(第一作者):加拿大麦吉尔大学博士研究生,主要研究方向为催化材料理论设计,以第一作者(含共同)在Proc. Natl. Acad. Sci., J. Mater. Chem. A, Commun. Chem.和Green Chem.等学术期刊上发表多篇论文。
添加官方微信 进群交流
SCI二氧化碳互助群
SCI催化材料交流群
SCI钠离子电池交流群
SCI离子交换膜经验交流群
SCI燃料电池交流群
SCI超级电容器交流群
SCI水系锌电池交流群
SCI水电解互助群
SCI气体扩散层经验交流群
备注【姓名-机构-研究方向】
说明
🔹本文内容若存在版权问题,请联系我们及时处理。
🔹欢迎广大读者对本文进行转发宣传。
🔹《科学材料站》会不断提升自身水平,为读者分享更加优质的材料咨询,欢迎关注我们。
投稿请联系contact@scimaterials.cn