能源和化学品资源是经济发展的物质基础，也是国家重要的战略资源。图1.机器学习与密度泛函理论计算框架实现高性能电催化还原CO2材料的预测。上述性能为当前电催化还原CO2到C2H4电流密度、法拉第效率和能量转化效率的纪录值。此项工作为更深入理解电催化还原CO2反应的物理化学过程，从而推动电催化CO2还原技术走向实际应用,提供了经验。
近日，南京大学现代工学院钟苗课题组与多伦多大学Edward Sargent教授团队、卡耐基梅隆大学Zachary Ulissi教授团队合作，通过理论计算、实验测试与原位表征相结合的研究方式，成功预测并首次大面积合成纳米多孔Cu-Al合金催化剂材料，实现高效率和大产率的电催化还原二氧化碳（CO2）产乙烯（C2H4），研究阐明了Cu-Al合金催化剂在电催化过程中的核心贡献，该成果以"Accelerated Discovery of CO2 Electrocatalysts using Active Machine Learning"为题发表于《Nature》杂志上（Nature 581, 178–183 (2020)）。
能源和化学品资源是经济发展的物质基础，也是国家重要的战略资源。面对石化资源紧缺以及环境问题日益严重等现状，开发高效的清洁能源转化与存储技术尤为重要。电催化还原CO2制高附加值燃料或化学品（即电催化CO2资源化技术），可将清洁可再生电能直接存储于碳化学键之中，从而实现碳资源可持续利用，具有重要的科学意义和工业应用前景。电催化还原CO2研究的核心之一是厘清电催化材料表面的关键物理化学性质与反应效率间的构效关系，实现对单一重要产物的高选择性，进而提升反应的能量转换效率、产率（电流密度）及稳定性。
图1. 机器学习与密度泛函理论计算框架实现高性能电催化还原CO2材料的预测。
在此项工作中，作者构建了机器学习与传统密度泛函理论计算互相反馈的筛选框架，对特定材料表面的电负性、CO及H的吸附能、配位数等多个指标进行机器学习，初步筛选出可能的活性位，DFT计算后把结果并入训练集，以此循环，最终大数据量的枚举了16，000 种以上不同金属或合金表面在不同原子排布条件下，对CO2 还原到多碳产物的关键中间体*CO和*H的表面吸附能进行计算，通过活性火山图线性关系分析（volcano scaling relationship），首次预测含铝4-20%的铜铝合金的多个低密勒指数面对含碳关键中间体*CO和反应要素*H都具有接近最优的吸附能，大幅降低CO2活化加氢、C-C偶联、C-H成键等步的反应能垒，从而有效促进多碳产物乙烯的生成。
图2.纳米多孔Cu-Al催化剂及电子能量损失谱分析。
作者进一步开发了物理气相沉积与去合金化相结合的新合成方法，在气体扩散电极上大面积制备了纳米多孔Cu-Al合金催化剂并实现合金表面组分含量调控。Cu-Al合金催化剂在600 mA cm-2的超高电流密度下，实现CO2 到C2H4 80%的法拉第效率；通过改进电极结构，在保持150 mA cm-2的高电流密度下，实现CO2 到C2H4 82%的法拉第效率和55%的阴极电能到化学能的能量转化效率。上述性能为当前电催化还原CO2 到C2H4 电流密度、法拉第效率和能量转化效率的纪录值。通过原位同步辐射X射线吸收光谱分析，结合理论计算，作者推断高性能Cu-Al催化剂原位反应时活性中心保存"部分表面正价铜"，也是促进多碳产物生成的因素之一。此项工作为更深入理解电催化还原CO2反应的物理化学过程，从而推动电催化CO2还原技术走向实际应用,提供了经验。
图3. 纳米多孔Cu-Al催化剂实现高效率电催化还原CO2产乙烯。
此项工作，钟苗为第一作者。多伦多大学、南京大学和卡内基梅隆大学分别为第一、二、三工作单位。此项工作得到了国家海外高层次人才项目、国家自然科学基金委、江苏省基金委的资助，以及南京大学现代工程与应用科学学院、固体微结构物理国家重点实验室、人工微结构科学与技术协同创新中心的大力支持。
来源 南京大学新闻网
论文链接：
https://www.nature.com/articles/s41586-020-2242-8
