我的新闻

与单原子催化剂（SAC）相比，双原子催化剂（DAC）的引入对提高电催化氮还原反应（NRR）的效率具有显著的积极作用，为Haber-Bosch工艺提供了一种环境替代方案。然而，关于设计双金属组合以获得更好性能的机制和策略的研究仍处于早期阶段。本文基于“阻断和再平衡”机制，通过密度泛函理论和机器学习方法，研究了45种双金属对掺杂α-磷碳化物（TM a TM B@PC）的组合作为高效NRR催化剂。经过多步筛选，TiV、TiFe、MnMo和FeW的组合表现出高效的催化性能，极限电位显著降低（分别为-0.17、-0.18、-0.14和-0.30 V）。令人兴奋的是，CrMo和CrW组合的极限电位为0V，这被认为非常适合NRR工艺。通过对电子阻断区磷原子电荷转移的探索，揭示了“阻断和再平衡”的机制。此外，利用机器学习提出了描述符u，为找到高效的DAC提供了设计策略和准确的预测。这项工作不仅为NRR工艺提供了有前景的催化剂TM A TM B@PC，还通过介绍描述符u（c）2024科学出版社和中国科学院大连化学物理研究所提供了设计策略。ELSEVIER B.V.和科学出版社出版。保留所有权利，包括文本和数据挖掘、人工智能培训和类似技术的权利。