催化电子捐赠的机器学习描述符: 预测氮固定中的吸附能和极限电位 高等学校化学学报    2026, 47 (2): 20250266-.   DOI:10.7503/cjcu20250266

Fig.5 Temperature fluctuations in AIMD simulations for 10 ps(A) and structure of catalyst before and after 10 ps AIMD simulation(B)

正文中引用本图/表的段落

无论NRR遵循何种催化反应路径， 其首个质子耦合电子转移（PCET）步骤（*N₂ + H? + e? → NNH）以及最后的PCET步骤（NH₂ + H? + e? → *NH₃）是固定的. 这两步反应的缓慢动力学也决定了它们通常成为NRR的速率决定步骤. 因此， 这两步反应的自由能变（ΔG）被用作催化剂筛选的一项标准. 计算了所有催化剂在这两步反应中的ΔG， 并设定阈值为0.4 eV（表S2~表S5， 见本文支持信息）. 将PCET步骤中ΔG > 0.4 eV的催化剂排除， 因其不具备优异的催化活性. 最终， 筛选出CN-B@Fe₂， CN-B@Tc₂， CN-B@Os₂和CN-B@Re₂作为具有优异NRR活性的候选体系. 随后， 在500 K的正则系综（NVT）下进行了10 ps的从头算分子动力学（AIMD）模拟， 以进一步验证CN-B@Fe₂， CN-B@Tc₂， CN-B@Os₂和CN-B@Re₂的热稳定性， 时间步长设为5.0 fs， 并使用Nosé-Hoover热浴维持系统恒温. 如图5（A）所示， 这些催化剂的温度在较小范围内波动， 且在500 K下经历10 ps后仍保持初始结构 ［图5（B）］， 表明它们具有优异的热力学稳定性， 可作为进一步筛选的候选对象.

本文的其它图/表

• Fig.1  Modeling details(A) and screening procedures(B) of CN⁃B@M₂ catalystsAIMD: Ab initio molecular dynamics.
• Fig.2  Formation energy of all CN⁃B@M₂ catalysts(A), adsorption energy of H⁺ and N₂ in all CN⁃B@M₂ catalysts(B) and the most stable adsorption configuration of N₂ on all N⁃B@M₂ catalysts(C)
• Fig.3  d Band centers for all catalyst(A), differential charge density distribution of N₂ after adsorption to CN⁃B@Sc₂, CN⁃B@V₂, CN⁃B@Fe₂, CN⁃B@Ni₂ and CN⁃B@Cu₂(B)
• Fig.4  Density of states(DOS) of N₂ before(A, C, E, G, I) and after(B, D, F, H, J) adsorption on CN⁃B@Sc₂(A, B), CN⁃B@V₂(C, D), CN⁃B@Fe₂(E, F), CN⁃B@Ni₂(G, H) and CN⁃B@Cu₂(I, J) catalysis
• Fig.6  NRR reaction paths on CN⁃B@Fe₂(A), CN⁃B@Tc₂(B), CN⁃B@Re₂(C) and CN⁃B@Os₂(D)Insets: structural diagram represents the adsorption configuration of each step of reaction.
• Fig.7  Mulliken charge of adsorbed N₂(A), volcanic relation between U_L andN₂ charges(B), linear relationship between E_ad and Φ(C), volcanic relation between U_L and Φ(D)
• Fig.8  Feature importance analysis of descriptor(A) and prediction of adsorption energy under GBR method(B), feature importance analysis of descriptor(C) and prediction of U_L under GBR method(D)