开发高效、稳定且成本低廉的酸性析氧反应（OER）催化剂，是实现通过电化学水分解大规模生产H2的关键挑战之一。通常，使用高活性且相对廉价的钌（Ru）作为催化剂，会面临长期耐久性的问题。
2025年3月12日，美国加州大学伯克利分校杨培东在国际知名期刊Journal of the American Chemical Society上发表了题为《Stabilizing Ru in Multicomponent Alloy as Acidic Oxygen Evolution Catalysts with Machine Learning-Enabled Structural Insights and Screening》的研究论文。
在本文中，作者通过研究Rux(Ir, Fe, Co, Ni)1-x多组分合金的相形成行为、OER性能以及OER诱导的表面重构，探索了该合金中稳定活性Ru位点的潜力。该合金在接近等摩尔浓度时展现出由主要的面心立方（fcc）相和次要的六方密堆积（hcp）相组成的多相结构。
利用机器学习的原子间势（MLIP）结合复制交换分子动力学，描述了Rux(Ir, Fe, Co, Ni)1-x催化剂以及其他基于RuIr的合金的原子尺度混合行为。该模型支持了作者关于合金中充分混合的体相fcc结构的实验发现，并提供了少量hcp相形成的指示。
经过优化的Ru0.20(Ir, Fe, Co, Ni)0.80催化剂表现出更高的OER活性，在10 mA cm–2下测得的平均过电位约为237 mV，并且在24 h运行中展现出增强的稳定性和约1.1 mV h-1的低活性衰减率。
酸性OER条件诱导形成了富含RuIr的薄氧化物外壳层（含有微量的3d金属），并且发现Ru在重构演化的纳米颗粒表面附近相对稳定。
此外，作者进一步利用机器学习加速的高通量模拟方案，根据预期的相稳定性筛选其他潜在的含RuIr的五元合金。
Maulana A. L., Han S., Shan Y. et al. Stabilizing Ru in Multicomponent Alloy as Acidic Oxygen Evolution Catalysts with Machine Learning-Enabled Structural Insights and Screening. J. Am. Chem. Soc., (2025). https://doi.org/10.1021/jacs.4c16638.
声明：如需转载请注明出处（华算科技旗下资讯学习网站-学术资讯），并附有原文链接，谢谢！
