铁氮掺杂石墨烯(FeNC)是一种富含稀土的电化学还原CO2(CO2R)催化剂。然而,基于密度泛函理论(DFT)的标准理论方法认为活性中心完全中毒,不能合理解释实验中观察到的显著的pH依赖性和Tafel斜率,这对电催化活性有重要影响。
有鉴于此,丹麦技术大学Karen Chan通过对FeNC单原子催化剂进行严格的理论研究来克服上述挑战,这些研究结合了几种最先进的方法:杂化功能,连续溶剂化和电势依赖性电化学反应能。
文章要点
1)通过混合计算的组合,对程序升温脱附(TPD)光谱的分析以及微动力学建模,研究人员发现标准的通用梯度近似(GGA)功能不足以准确描述基本中间体的结合能。进一步研究表明,通过包含Hubbard U校正,可以使用GGA功能获得合理准确的能量学,从而避免了对昂贵的混合级仿真的需求。
2)通过明确考虑界面电场与偶极吸附物,证明了实验观察到的pH依赖性是由电场依赖性CO2吸附中的偶极场相互作用引起的。结果表明,双空位的四个氮掺杂(DV4N)空位通常比两个氮掺杂的空位(DV2N)位置基序更具活性,并且相关的模拟Tafel斜率与实验观察一致。
3)研究结果表明,不仅可以通过传统上考虑的结合能,而且可以通过相应的决定速率的表面中间体的表面偶极矩,对单原子催化剂的电催化活性进行调节。
该研究方法学为精确的机理研究以及通用单原子催化剂的计算催化剂设计铺平了道路。
Sudarshan Vijay, et al, Dipole-field interactions determine the CO2 reduction activity of 2D Fe-N-C single atom catalysts, ACS Catal., 2020
DOI: 10.1021/acscatal.0c01375
https://pubs.acs.org/doi/10.1021/acscatal.0c01375