机器学习+催化!三院院士杨培东,最新JACS!

机器学习+催化!三院院士杨培东,最新JACS!

酸性电解质中的电化学水分解是一种有前景的生产清洁氢(H2)的方法,可以生产低至零碳足迹的可持续燃料和化学原料。

尽管阴极的析氢反应(HER)可以相对高效地进行,但阳极的析氧反应(OER)由于其复杂的四电子反应途径和高能垒而显示出缓慢的动力学。铱(Ir)基催化剂已被证明在实现良好OER稳定性方面是有效的,但其活性相对较低且成本高,限制了其大规模应用。

相反,钌(Ru)催化剂提供了更高的OER活性和更具成本效益,但不良的稳定性阻碍了其商业应用。提升Ru催化剂稳定性的挑战主要源于晶格氧的参与,导致Ru的过氧化和溶解,损害其OER稳定性。因此,稳定催化剂中的Ru原子是开发具有长期稳定性的高活性、经济高效的酸性OER催化剂的关键。

机器学习+催化!三院院士杨培东,最新JACS!机器学习+催化!三院院士杨培东,最新JACS!

近日,加州大学伯克利分校教授杨培东课题组探讨了Rux(Ir,Fe,Co,Ni)1-x多组分合金作为活性和稳定酸性OER催化剂的潜力。

具体而言,研究人员通过各种实验和原子尺度模型,系统地研究了Ru组分变化对所得相结构的影响,特别是在近等摩尔(x~20 at.%)浓度下。该合金表现出多相结构,由主要面心立方相(fcc)和次要六边形紧密相(hcp)相组成。基于机器学习的模拟结果表明,主要的fcc相可以很好地混合,而不需要任何明显的单元素分离来创造自己的大域,尽管可以预期形成小的局部原子聚集。

在块状合金中,Ni被观察到是偏析最严重的物种,其偏析倾向随着Ru比例的增加而增强,因为Ru-Ni在块状固相中的相互溶解度有限。在块状合金中也可以发现相对较强的Ru偏析倾向,这可能是实验观察到的hcp相形成痕迹的指标,因为它是Ru最有利的晶格结构。

机器学习+催化!三院院士杨培东,最新JACS!机器学习+催化!三院院士杨培东,最新JACS!

优化后的Ru0.20(Ir,Fe,Co,Ni)0.80催化剂表现出较好的OER活性,在10 mA cm-2下测得平均过电位约237 mV;稳定性也得到提高,在连续运行24小时内活性降解速率约为1.1 mV h-1

研究人员观察到多组分合金结构中Ru的总溶解量相对较低,强调了Ru的稳定性,这可能是由于熵稳定的固溶体结构和耐酸Ir的存在。研究结果还表明了多组分合金的表面重构,OER过程中在纳米颗粒上形成了一层富含RuIr的非晶或多晶氧化物壳层。STEM-EDS分析显示,在演化区域内Ru并未完全耗尽,而剩余的3d金属仅以微量形式存在,进一步表明了Ru的相对稳定性。

总的来说,该项研究为保持合金催化剂中Ru位点的高OER活性提供了独特的见解,这可以激励未来在酸性水电解质中应用的高活性和稳定的合金基OER催化剂的设计和探索。

Stabilizing Ru in multicomponent alloy as acidic oxygen evolution catalysts with machine learning-enabled structural insights and screening. Journal of the American Chemical Society, 2025. DOI: 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!
(0)
上一篇 2天前
下一篇 2天前

相关推荐