本网讯 近日，贵州师范学院贵州省纳米材料模拟与计算重点实验室贾传义副教授与中国科学技术大学江俊教授合作，在二维复合催化材料研究方向取得突破性进展，相关成果发表在顶级催化期刊ACS Catalysis（化学类一区，IF：13.084）上。贵州师范学院为论文的第一署名单位，贾传义副教授为该论文第一作者。此工作为本校首篇催化类顶刊论文，对学校材料类学科建设与相关科研工作的开展具有很好的促进作用。

研究背景与学术意义

二维复合催化剂作为一类新型的多相催化材料，具有高活性、高稳定性以及高选择性三大突出优点，在能源与环境催化领域具有非常广泛的应用。面对全球日趋严重的能源与环境问题，尤其是化石能源大量使用导致的CO过量排放问题，研究和开发CO氧化或转化的高活性复合催化剂具有极其重要的现实意义。

二维复合催化材料的理性设计可以极大的节约实验试错成本，从而显著提升其合成效率和经济效益。因此，与之密切相关的活性描述符的探索近年来逐渐成为了催化领域的研究热点。然而，复合催化剂的微观原子结构自由度非常大，其电子结构的复杂性也非常高，给活性描述符的系统性研究带来了极大的挑战。为了解决这一难题，本工作基于第一性原理模拟，以氮化石墨烯负载型双原子过渡金属体系为标准模型，对其表面CO催化氧化性能的各种影响因素进行了全面系统的研究，并提出了电荷转移、金属带电量、金属d轨道分布、关键吸附物以及伸缩振动光谱等多种活性相关的描述符（如图1所示）。这些发现洞察了催化剂微观结构与催化性能的内在构效关系，并且各类电子结构描述符的确立将能助力未来的高通量研究，以期利用人工智能技术从大量的数据中找到具有较强可迁移性和普适性的活性描述符，为二维复合催化剂的合成提供全新的设计理念。

图1. 催化模型与主要描述符示意图

主要研究内容

通过对多种双原子负载模型上表面催化过程的比较，本工作提出了一种新型的双原子动态催化机制（如图2所示）。在多种配位结构中，三配位的邻近位点负载模型因具有较强的动态催化效应和双原子协同效应，其催化性能要明显的优于其它模型。

图2. 双原子动态催化机制（dynamic dual-metal catalytic mechanism）示意图

基于上述高活性配位模型，作者系统研究了5种常用过渡金属（Fe、Co、Ni、Cu和Pt）的不同组合模式的催化活性。结果表明，含Fe组合的催化性能要普遍优于其它模型，且Fe-Ni催化活性最高。为了探索可以表征不同组合结构催化性能的描述符，作者进一步详细计算了各类模型的电子结构，并以此为基础构建了50组构效关系。对比分析发现，电荷转移、双金属所带电荷的平均值以及双金属d轨道中心位置的平均值都可以作为单一反应物（如O₂）吸附稳定性的描述符（如图3所示）。但是，对于多分子反应物（如CO+O₂），只有关键吸附物的吸附能和反应能垒描述符具有良好的线性关系。

图3. 不同描述符与催化性能的线性关系图

此外，为了探索实验上较容易获取的描述符，作者首次提出了光谱描述符的概念，并发现O-O伸缩振动频率与其吸附稳定性和反应活性密切相关（如图4所示）。因此，在实验过程中，研究者可以通过测定红外或拉曼光谱获取O-O伸缩振动频率，进一步比较得出不同催化结构的吸附稳定性和催化活性。

图4. 双原子催化剂的光谱描述符与反应物吸附稳定性和反应活性的关系图

本文创新与应用前景

基于密度泛函理论计算，作者对大量的构效关系进行了系统的对比分析，发现电荷转移、金属带电量、金属d轨道分布、关键吸附物等均可以作为反应物吸附稳定性和活性的描述符。此外，作者首次提出了实验上较容易获取的光谱描述符的概念，并发现O-O伸缩振动频率与其吸附稳定性和反应活性具有明确的数学依赖关系。此结果对理论结合实验的协同性研究具有重要的指导意义，为未来应用人工智能技术探索普适性描述符提供了新的研究思路，同时也为二维复合催化剂的理性设计提供了全新的设计策略。

总结与展望

本工作通过对多种双原子二维复合材料表面催化性能的研究，提出了电荷转移、活性金属平均带电量、活性金属平均d轨道中心、关键吸附物以及伸缩振动光谱等多种活性相关的描述符。结合作者之前的相关研究成果，如极化电荷描述符（J. Mater. Chem. A, 2021, 9, 2093，一区，IF：12.732）、吸附能描述符（J. Mater. Chem. A, 2020, 8, 12485，一区，IF：12.732）、电偶极矩描述符（ACS Appl. Mater. Interfaces 2019, 11, 9629，一区，IF：9.229）、d轨道中心描述符（Adv. Mater. 2018, 30, 1705369,一区，IF：30.849；ACS Appl. Mater. Interfaces 2016, 8, 10315，一区，IF：9.229）等，这些都为机器学习与大数据分析研究提供了很好的理论基础（如图5所示）。在后续研究中，作者将以相关二维复合催化材料为模型开展高通量计算，针对海量的计算结果进行数学统计分析。一方面基于已有的经验性公式进行验证，另一方面采用神经网络、随机森林等人工智能技术，对大量数据进行机器学习的训练，挖掘背后的构效关系。最终，优化、设计出一些催化活性高、稳定性好的新型二维复合催化材料。

图5. 理论模拟与机器学习训练关系示意图

作者简介

贾传义，贵州师范学院贵州省纳米材料模拟与计算重点实验室副教授，2014年获山东大学晶体材料国家重点实验室材料学博士学位，同年入职贵州师范学院。贾传义副教授专注于纳米催化材料的设计、表面催化机制等研究，在相关领域取得了一系列科研成果。已在ACS Catal., Adv. Mater., J. Mater. Chem. A, ACS Appl. Mater. Interfaces, J. Phys. Chem. C等国际期刊发表SCI论文20余篇，申请到国家自然科学基金项目两项、省级自然科学基金项目三项。2017年入选“西部之光”访问学者、2018年入选贵州省高层次创新型人才“千层次”、2020年获得贵州省自然科学奖三等奖。

该研究成果得益于贵州师范学院在人才引进与人才培养等政策方面的支撑，研究工作得到了贵州省纳米材料模拟与计算重点实验室、贵州省能源与信息材料人才基地、贵州省科学云大数据开发及其产业应用协同创新中心等平台的支持。

文/图 贵州省纳米材料模拟与计算重点实验室 审核/沈虎俊