析氫反應（HER）可將水轉(zhuǎn)化為氫氣，通過零污染的電化學過程，完成電能與化學能的相互轉(zhuǎn)換。在析氫反應過程中，選擇合適的電催化劑是實現(xiàn)高效產(chǎn)氫的關鍵。傳統(tǒng)商用析氫催化劑鉑的高成本和高負載量，抑制了工業(yè)產(chǎn)能。研究者們已經(jīng)致力于尋找可替代純鉑催化劑的其它金屬材料。

納米團簇具有比體相金屬更大的比表面積和更多的活性位點，這些特征使納米團簇在電催化領域中具有更為廣闊的應用前景。合金團簇由兩種或兩種以上金屬組成，通過不同金屬元素之間的協(xié)同效應，進一步提高團簇的化學活性，最終替代貴金屬催化劑。

隨著計算機技術和理論模擬方法的發(fā)展，高通量計算和機器學習方法已經(jīng)得到了廣泛的應用，把兩者方法結合起來開發(fā)設計一種預測復雜合金團簇的結構和催化性能的高通量計算方法，實現(xiàn)對特定功能催化劑的高效篩選，對于提高我國工業(yè)生產(chǎn)效率、促進我國社會經(jīng)濟的可持續(xù)發(fā)展，都具有十分重要的意義。

由蘇州大學王璐教授、李有勇教授和大連理工大學趙紀軍教授等人基于高通量計算和機器學習方法，提出了一種高效評估復雜合金納米團簇電催化析氫反應活性的描述符，實現(xiàn)了對復雜合金納米團簇催化活性的成功預測。

他們開發(fā)并設計了一種基于密度泛函理論的高通量計算和篩選方法，從7924個銅基合金團簇中解析出熱力學平衡相的結構特征，并進一步對穩(wěn)定的銅基合金團簇的表面析氫活性進行了高通量模擬，提出了一種由團簇表面電荷構成的HER活性描述符，建立機器學習模型，成功預測了復雜合金團簇的析氫反應活性。

這項研究中提出的高通量篩選方法從結構穩(wěn)定性和電化學活性兩個方面對銅基合金團簇進行了評估，確定了銅基合金團簇的穩(wěn)定結構為核殼結構，探討了摻雜金屬比例對催化活性的影響機制，進一步以團簇表面電荷為特征建立了神經(jīng)網(wǎng)絡模型。

實現(xiàn)了對團簇表面氫原子吸附自由能的成功預測，提出了兼具高穩(wěn)定性和高活性特點的銅鎳合金團簇在電催化反應中的潛在應用。這種篩選策略不僅大大提高了高通量篩選的計算效率，而且有助于發(fā)現(xiàn)更有前景的合金納米團簇作為優(yōu)異的電催化材料。

該文近期發(fā)表于npj Computational Materials 7： 46 （2021）。

Computational high-throughput screening of alloy nanoclusters for electrocatalytic hydrogen evolution

Xinnan Mao， Lu Wang， Yafeng Xu， Pengju Wang， Youyong Li & Jijun Zhao

Here， we report a density functional theory （DFT）-based high-throughput screening method to successfully identify a type of alloy nanoclusters as the electrocatalyst for hydrogen evolution reaction （HER）。 Totally 7924 candidates of Cu-based alloy clusters of Cu55-nMn （M?=?Co， Ni， Ru， and Rh） are optimized and evaluated to screening for the promising catalysts.

By comparing different structural patterns， Cu-based alloy clusters prefer the core–shell structures with the dopant metal in the core and Cu as the shell atoms. Generally speaking， the HER performance of the Cu-based nanoclusters can be significantly improved by doping transition metals， and the active sites are the bridge sites and three-fold sites on the outer-shell Cu atoms.

Considering the structural stability and the electrochemical activity， core–shell CuNi alloy clusters are suggested to be the superior electrocatalyst for hydrogen evolution.

A descriptor composing of surface charge is proposed to efficiently evaluate the HER activity of the alloy clusters supported by the DFT calculations and machine-learning techniques. Our screening strategy could accelerate the pace of discovery for promising HER electrocatalysts using metal alloy nanoclusters.

編輯：jq