在銅基催化劑上將CO2電化學還原(CO2ER)為多碳化學原料具有相當大的吸引力,但目前仍存在活性位點不明確的問題,這阻礙了催化劑的合理設計和大規模工業化。在此,天津大學鞏金龍教授、趙志堅教授等人基于神經網絡的全局優化、DFT計算相結合的方法進行了一種大規模模擬以獲得真實的銅鋅納米粒子(NPs)模型,并研究了CO2ER中CuZn催化劑上C2+產物活性位點的原子級結構。為了深入了解CuZn NPs的真實表面結構,尋找熱力學最穩定的結構至關重要。作者基于具有神經網絡勢隨機表面行走算法(NNSSW)的全局優化來搜索CuZn NPs的全局最小值(GM),研究了具有309個金屬原子的較大NPs。通過基于神經網絡勢能的高通量測試,作者分析了2000多個表面位點并最終確定了兩種活性位點,即平衡的Cu-Zn位點和 Zn原子主導的Cu-Zn位點,二者均有助于C-C耦合從而提高CO2ER的選擇性。圖1. CuZn NPs合成的理論模擬通過Bader電荷和ICOHP分析表明,CuZn協同效應位點對中間體*CO的吸附有很大影響,并且在CO2ER生成C2+產物的過程中起著至關重要的作用。CuZn原子排列會影響關鍵中間體*CO與CuZn表面的相互作用,從而影響*CO與活性位點之間的電子轉移。實驗結果也再次證明,由適度的Zn摻雜驅動的具有最佳*CO吸附的 NP 可以促進CO2ER生成C2+產物。因此,這項工作為結合機器學習方法合理設計高效銅基催化劑提供了指導,為構建更現實的大尺度粒子模型和建立更準確的多相催化原子級結構-性能關系提供了通用的研究框架。圖2. 活性位點的實驗驗證Nature of the Active Sites of Copper Zinc Catalysts for Carbon Dioxide Electroreduction, Angewandte Chemie International Edition 2022. DOI: 10.1002/anie.202201913