EEM | 沙特阿拉伯 苏丹王子大学Sajjad Ali:机器学习与第一性原理揭示掺杂调控石墨烯基单原子催化剂的高效析氢机制

作者结合第一性原理密度泛函理论(DFT)和机器学习(ML),研究了26种过渡金属(3d–5d)在原始、硼(B)和氮(N)掺杂石墨烯(G)的轴向和吡啶位点上的吸附行为,结果为基于石墨烯的单原子催化剂在HER中的应用提供了机制图和设计原则。

近日,沙特阿拉伯 苏丹王子大学Sajjad Ali博士在Energy & Environmental Materials上发表题为:“Electronic Structure Modulation in Dopant-Controlled Single-Atom Graphene Catalysts for Efficient Hydrogen Evolution: A Machine Learning and First-Principles Study”的研究论文。

亮点

1. 本研究探讨了B和N掺杂对负载于石墨烯上的单个TM原子(3d–5d)的影响,并评估了这些掺杂对氢相关催化活性的作用。

2. 采用密度泛函理论(DFT)计算,将掺杂剂化学性质与金属稳定性、吸附强度、d带调制及电荷转移联系起来,证明了掺杂位点可作为金属原子的有效锚定位点,从而相较于原始石墨烯提高扩散势垒和吸附能。

3. 随着d带中心向费米能级(EF)移动,TM–石墨烯键长缩短,同时TM与石墨烯之间的电荷转移和电子重新分布增强,d轨道填满的金属表现出较低的结合强度。

研究背景

环境污染和全球能源危机已成为现代文明面临的最严峻挑战之一,其主要诱因是商业的快速增长和工业化进程。因此,可持续及可再生能源技术的发展已成为全球科学界关注的核心议题。在众多替代方案中,氢作为一种清洁且可再生的能源,因其高能量密度和零碳排放而受到广泛关注。因此,通过析氢反应(HER)实现高效制氢,对于构建以氢为基础的能源经济至关重要。HER催化剂的性能取决于氢与活性催化表面之间的相互作用;当氢吸附处于热中性状态时,催化剂可达到最佳活性,此时理想值为 (ΔGH*≈0eV),从而同时实现吸附与脱附过程。目前,Pt 是一种广为人知的催化剂,其氢吸附自由能值为 (ΔGH*≈0 . 09 eV)。因此,设计具有平衡氢结合能的独特催化剂,是推进高效、稳定且可持续的 HER 体系的关键策略。

石墨烯(G)是一种具有六方晶格结构的二维碳材料;凭借其独特的特性——包括高电导率、高机械强度和良好的热稳定性——它成为催化 HER 反应极具前景的基底材料。因此,石墨烯既可以作为载体,也可以作为可调谐催化界面。与传统的过渡金属(TM)催化剂相比,过渡金属修饰的石墨烯在增强吸附能力、提高电荷转移以及展现高表面活性方面表现出更高的催化性能。Ni/G、Pt/G、Pd/G 和 Ru/G 体系在氢相关反应体系中所展现出的优异催化效率已得到证实。通过采用杂原子掺杂,可进一步调控石墨烯的催化性能。例如,硼(B)和氮(N)是石墨烯最有效的掺杂剂,因为它们能够改变其电子结构、形成活性吸附中心,并提供稳定的活性位点以锚定金属原子或金属团簇,包括单原子催化剂(SACs)。在许多情况下,碳纳米结构中已发现存在吡啶氮、石墨氮和吡咯氮;但众所周知,吡啶氮(3N)和轴向(4N)配位环境在与单原子配位方面非常有效。如图 1 所示,轴向(4N)位于双空位碳位点周围,而吡啶氮(3N)则位于石墨烯结构的单空位边缘。这两种硝基环境均能形成对单一金属原子具有高亲和力的金属配位中心。研究表明,此类环境存在于多种碳纳米结构中,包括纳米管、石墨烯、纳米锥和富勒烯。此外,Stoyanov等人研究了这些配位环境的相对稳定性,并证实B和N的共掺杂可增强催化活性的持久性,同时提高金属原子在表面的锚定强度。前期研究表明,B掺杂和N掺杂的碳纳米材料会产生不对称电荷分布,形成带正电和带负电的位点,这些位点会影响金属-吸附物相互作用。例如,Ali等人证实,B掺杂或N掺杂的单壁碳纳米管会对吸附在这些位点上的单个Au原子产生相反的电荷效应,形成带负电和带正电的中心,这些中心会显著影响反应路径并增强CO氧化反应。类似地,将过渡金属掺杂到B掺杂和N掺杂的石墨烯中,可增强金属中心的电子态、表面反应活性、磁学性质及结合强度。这些改性还使其在传感和自旋电子学领域具有应用潜力,因为金属-掺杂剂相互作用能有效调控石墨烯支撑体的导电性和磁行为。因此,理解石墨烯与掺杂剂的协同效应,而支撑性金属原子为设计性能更优的功能性纳米材料奠定了基础。

文章简读

作者结合第一性原理密度泛函理论(DFT)和机器学习(ML),研究了26种过渡金属(3d–5d)在原始、硼(B)和氮(N)掺杂石墨烯(G)的轴向和吡啶位点上的吸附行为。杂原子掺杂显著增强了金属结合能力;氮掺杂石墨烯表现出最高的吸附能(Eads)、最低的d带中心以及最短的载体键长,且在所有体系中吸附能、键长、电荷转移与d带位置呈反比关系。Mo、Ti、Hf、Zr、Os和Nb形成了最稳定的TM/G单原子位点,而Zn、Ag和Au由于d轨道填充而吸附较弱。此外,二氧化碳、CO、H2O、H、H2和O2的吸附揭示了掺杂剂依赖的反应活性。氢吸附自由能计算表明,Pd/B-G(轴向)、Y/B-G(吡啶位点)、Zn/N-G(吡啶位点)和V/N-G(轴向)在析氢反应(HER)的峰值处为近热中性体系,其中N-G优先稳定氢吸附,而B-G则允许吸附-脱附过程中的平衡转换。基于DFT特征的后续描述符分析和基于机器学习的梯度提升回归模型显示,在交叉验证中R2 = 0.72,在LOMO验证中R2 = 0.64。SHAP分析提供了一个描述符层级:Bader电荷(Q)> 周期 > 高度(h)> d带中心(εd),其中金属到支撑体的电荷转移是对ΔGH*影响最大的描述符,而B-G上的中等电荷转移(Q ≈ 0.3–0.8 |e|)则是最活跃的。总体而言,这些结果为基于石墨烯的单原子催化剂在HER中的应用提供了机制图和设计原则。

图文鉴赏

EEM | 沙特阿拉伯 苏丹王子大学Sajjad Ali:机器学习与第一性原理揭示掺杂调控石墨烯基单原子催化剂的高效析氢机制

图1 吸附在 N 掺杂和 B 掺杂石墨烯上的 TM 优化原子结构。

EEM | 沙特阿拉伯 苏丹王子大学Sajjad Ali:机器学习与第一性原理揭示掺杂调控石墨烯基单原子催化剂的高效析氢机制

图2 吸附态 O2 的吸附能。

EEM | 沙特阿拉伯 苏丹王子大学Sajjad Ali:机器学习与第一性原理揭示掺杂调控石墨烯基单原子催化剂的高效析氢机制

图3 TM 掺杂石墨烯的 log(i0) 与 ΔGH* 的火山图。

文章链接

Sajjad Ali*, Pir Muhammad Ismail, Muhammad Humayun, and Mohamed Bououdina, Electronic Structure Modulation in Dopant-Controlled Single-Atom Graphene Catalysts for Efficient Hydrogen Evolution: A Machine Learning and First-Principles Study. Energy Environ. Mater. 2026, 0, e70421.

DOI: 10.1002/eem2.70421

本文来自EnergyEnvironmentalMaterials,本文观点不代表石墨烯网立场,转载请联系原作者。

赞 (0)
石墨烯网石墨烯网
上一篇 2026年11月16日 16:31
下一篇 2026年11月16日 18:42

相关推荐

发表回复

登录后才能评论
客服

电话:134 0537 7819
邮箱:87760537@qq.com

返回顶部