机器学习结合恒电位模拟揭示电催化固氮电荷转移机制
一、研究背景：温和条件下合成氨的挑战与机遇
氨合成是现代化学工业的基石，但传统哈伯-博施法依赖高温高压的苛刻条件，导致其能耗巨大，约占全球能源消耗的2%，并贡献了约3%的二氧化碳排放。在“双碳”战略背景下，开发能够在温和条件下运行的绿色合成氨技术，已成为全球科研界亟待攻克的关键课题。
电催化氮还原反应（NRR）被视为一条极具前景的绿色合成路径。它能够在常温常压下，利用水和氮气直接电合成氨，理论上具有能耗低、过程零碳排放的优势，尤其契合未来分布式可再生能源体系。然而，该技术面临两大核心挑战：一是氮气分子中N≡N三键异常稳定（键能高达941 kJ/mol），在温和条件下活化难度极大，反应动力学缓慢；二是在水相电解环境中，竞争性的析氢反应（HER）速率远高于NRR，导致合成氨的法拉第效率与产氨速率长期处于低位。
为了突破这些瓶颈，研究人员将希望寄托于结构精准的单原子分子催化剂。其中，碳硼龙（Carbolong）家族分子，特别是具有15碳骨架的碳硼烷（Carborin），因其独特的π共轭结构和可精准锚定金属中心的特性，展现出作为多功能协同催化平台的巨大潜力。
然而，在对此类催化剂进行理论设计与筛选时，传统计算方法遇到了瓶颈。广泛采用的计算氢电极（CHE）模型，其核心假设是每一步基元反应均转移一个电子（1e⁻）。但实际电催化过程在恒定电位下进行，中间体的电荷状态会随电位动态变化。忽略这种动态电荷效应，可能导致自由能计算出现偏差，甚至错误地判断整个反应的速率控制步骤。此外，如何在一个高效的计算框架内，同时整合电位效应、溶剂化效应以及催化剂与载体间的界面相互作用，一直是该领域的重要难题。
二、研究亮点：机器学习与恒电位模拟融合的新范式
近期一项突破性研究，为解决上述难题提供了全新方案。该研究的核心创新在于，首次将机器学习（ML）与正则系综恒电位法（FPM）深度结合，构建了一个DFT-ML高通量筛选框架。这一体系能够同步考虑电位驱动、溶剂环境以及界面电子耦合等真实电解条件，从而实现对NRR催化剂的高精度筛选与反应机理的深度解析。
利用该框架，研究团队系统筛选了144种由不同官能团修饰的碳硼烷/石墨烯负载单原子催化剂（涵盖25种过渡金属与6种官能团）。筛选结果令人瞩目：Cr@NO₂-carborin/石墨烯和Cr@CHO-carborin/石墨烯体系脱颖而出，成为性能最优的候选催化剂。前者的起始电位低至-0.220 V（速控步为*N₂→*N₂H），后者为-0.245 V（速控步为*NH→*NH₂），且两者对析氢副反应的法拉第效率均高达99%。
此项研究清晰揭示了传统CHE方法的局限性。通过对比分析发现，由于CHE忽略了中间体电荷态的实时变化，其计算出的自由能曲线存在显著偏差，甚至可能导致对速控步骤的误判。例如，对于Cr@CHO-carborin催化剂，CHE错误地将*N₂→*NNH步骤判断为速控步，而FPM模拟则显示，真正的动力学瓶颈在于后续的*NH→*NH₂步骤。这有力证明了恒电位法在描述电荷动态转移过程方面的优越性。
在机制层面，研究通过皮尔逊相关性分析与SHAP可解释性模型，挖掘出一个关键的电催化动态描述符：中间体吸附诱导的零电荷电位偏移。该描述符直接调控着电荷转移模式与氮气分子的活化效率，突破了以往仅依赖静态电子结构参数（如d带中心）的局限，为理解电位如何微观调控催化性能提供了全新视角。
催化剂的稳定性是实际应用的前提。研究通过300K温度下长达5000飞秒的从头算分子动力学模拟证实，这两种最优催化剂结构稳定，且氨气产物的脱附过程在热力学上完全可行，为其潜在的实验制备与应用奠定了坚实的理论基础。
三、核心机制：动态电荷调控与高效活化
那么，其背后的高效催化微观机制是什么？关键在于恒电位下的动态电荷调控。FPM模拟明确指出，在恒定电位下，中间体（如*N₂、*NNH）的吸附会引发催化剂表面零电荷电位的移动。这一移动直接改变了整个体系的电荷状态（例如从携带n₁个电子变为n₂个），导致每一步的净电荷转移量为（n₂-n₁-1）个电子，这与CHE模型假设的固定转移1个电子有本质区别。正是这种动态电荷调整，决定了中间体的稳定性和各反应步骤的能垒。
深入分析表明，零电荷电位偏移是主导催化活性的核心“开关”。它与体系电荷变化呈现极强的线性相关性。以性能最佳的Cr@NO₂-carborin为例，吸附氮气后，其零电荷电位从-4.52 V下降至-4.62 V，导致表面积累的负电荷从0.132 e⁻增加至0.316 e⁻。这种适度的电荷积累起到了双重优化作用：一方面，它轻微削弱了氮气的吸附强度，避免其过度吸附而难以继续反应；另一方面，它促进了电子从铬原子的d轨道向氮气分子的π*反键轨道转移，从而有效削弱了坚固的N≡N三键。
从电子结构分析，最优催化剂中铬原子的d带中心恰好位于“火山图”的底部。这一位置意味着其对关键中间体*NNH的结合能达到了最优平衡——既足够强以有效活化反应物，又不会过强导致中间体或产物难以脱附。同时，态密度分析显示，铬的d轨道与氮的p轨道在费米能级附近发生了显著的轨道杂化，这进一步强化了氮气的活化能力。
关于反应路径，计算证实NRR更倾向于选择能量上更有利的“远端路径”。而“交替路径”则因需要形成高能量的*NHNH中间体，在动力学上处于劣势。此外，石墨烯载体扮演了不可或缺的角色：其优异的导电性促进了电荷在层间的重新分布，显著优化了活性位点局部的电子环境，从而提升了整体的催化反应动力学。
四、总结与展望
总而言之，这项研究通过创新性地融合机器学习与恒电位DFT模拟，为高效、精准筛选与解析NRR催化剂提供了一套新范式。它不仅成功发现了Cr@NO₂和Cr@CHO修饰的碳硼烷/石墨烯这类高性能候选材料，更重要的是，揭示了在恒电位条件下，由中间体吸附诱导的零电荷电位偏移，是调控多电子转移反应的核心动态描述符。
这项工作清晰地指出了传统CHE方法在描述电催化动态过程时的固有缺陷，而FPM与ML的结合，则为理解复杂电催化界面过程打开了一扇新窗口。其意义超越了氨合成领域，所建立的通用理论框架，对于理解其他涉及复杂多电子转移的电催化反应（如二氧化碳还原、氧还原反应等），同样具有重要的借鉴价值，为理性设计下一代高效电催化剂提供了坚实的计算工具与理论指导。
论文DOI: 10.1002/advs.202524356
相关攻略
辽宁大学团队结合机器学习与恒电位模拟，开发出高效筛选电催化固氮催化剂的新方法。研究发现Cr@NO₂和Cr@CHO修饰的碳硼烷 石墨烯体系性能优异，限制电位低且选择性高。研究揭示了恒电位下中间体吸附引起的零电荷电位偏移是调控电荷转移的关键动态描述符，突破了传统计算模型的局限，为理。
广州市公开征集人工智能高质量数据集，以构建优质数据供给体系，赋能数字经济发展。征集涵盖通识、行业通识及专识三类数据，重点面向智能制造、智慧交通、数字金融等领域。申报主体须为广州注册的合规法人，数据集需合法、可溯源且具应用价值。入选者可获认证、对接、政策激励等支持，并通。
人工智能正全面赋能农业全产业链，改变传统生产模式，但仍面临算法适应性不足、成本高、数据标准不一等挑战。需通过研发专用算法与低成本装备、完善数字基建、优化政策支持、培养复合人才及推动多元协同，系统性促进AI技术在农业领域扎根发展。
5月22日，扬州举办AI算力生态大会，展现打造“中国算力之城”的决心。全市算力总规模达3 49万P，智能算力占2 97万P，位居全国前列。大会明确聚焦全产业链、推广场景应用、构建优良生态三条发展路径，发布多项成果与倡议，启动吉瓦级算力集群等合作项目，并签约引入多个战略合作与数字经济项目，强化资源共。
如何利用AI技术提升文档处理效率，创造智能化办公环境 在信息过载的当下，文档处理效率已成为制约团队生产力的关键瓶颈。面对堆积如山的报告、代码和演示文稿，传统的手工操作方式显得力不从心。那么，能否借助AI技术打破这一僵局，真正构建一个智能、流畅的办公环境？答案是肯定的。接下来，我们将深入探讨AI如何从
热门专题
热门推荐
MiniCPM-o 4 5是什么 在探索更自然、更智能的人机交互道路上，我们始终在期待一个“全能型选手”的到来。如今，这个角色或许已经登场。面壁智能最新开源的MiniCPM-o 4 5，一个仅拥有90亿参数的全模态大模型，正致力于重新划定“智能对话”的边界。 它彻底颠覆了传统一问一答的“对讲机”式交
Binance币安 欧易OKX ️ Huobi火币️ 想在2025年安全获取欧易OKX的正版APP？其实秘诀就一个：认准官方网站，避开所有仿冒和可疑的下载渠道。要知道，欧易现已统一更名为欧易OKX，其核心业务始终围绕数字资产交易及相关服务展开。 确认官方网站地址 第一步，打开浏览器，手动输入欧易OK
SecondMe Book是什么 在AI社交这一前沿赛道，一款国产平台正带来独特的解决方案。SecondMe Book，本质上是一个能够让你构建个人AI数字分身的创新平台。它允许用户创建一个能够代表真实自我风格与思维的AI数字身份，并让这个“第二自我”在一个专属的AI社交网络中自主运行——包括主动发
在AI大模型技术快速发展的今天，如何在卓越性能与高效推理成本之间取得最佳平衡，已成为行业关注的核心焦点。近期，由阶跃星辰推出的开源模型Step 3 5 Flash引发了广泛热议。该模型专为智能体（AI Agent）应用场景深度优化，旨在顶尖能力与亲民部署成本之间，构建一个极具竞争力的技术支点。 简而
LongCat-Flash-Lite是什么 在探索大语言模型性能与效率的最佳平衡点时，美团近期推出的LongCat-Flash-Lite提供了一个极具创新性的解决方案。作为新一代高效大语言模型，它凭借其突破性的架构设计，在人工智能领域获得了广泛关注。 简而言之，该模型创新性地融合了“混合专家系统（M