日期：
2023-03-12 14:25:21
来源：顶刊收割机收集 编辑：Li
目前，已经开发了许多活性描述符来合理地设计单原子催化剂(SACs)，例如基于能量的或电子的描述符。然而，它们的计算成本和实验上无法获得的性质限制了对结构-活性关系的理解。 近日，天津大学巩金龙教授（通讯作者） 等人描述了一个与活度直接相关的简单且可解释的描述符，它不仅可以容易地从原子数据库中获得，而且可以通过X射线吸收光谱进行实验验证。 该定义的描述符证明可以加速700多个石墨烯基SACs模型的高通量筛选，无需计算，通用于3-5d过渡金属和C/N/P/B/O基配位环境。同时，该描述符的解析式揭示了复杂的金属-配体相互作用中各种关键特征的内在联系，从而在分子轨道水平上阐明了构效关系。以电化学氮还原（NRR）为例，该描述符的指导作用已经被13个先前的报道以及作者合成的4个SACs实验验证。这项工作将机器学习与物理见解有序地结合起来，为跨越低成本高通量筛选和全面理解结构-机制-活性关系之间的鸿沟提供了一种新的通用策略。 相关工作以《High-Throughput Screening of Electrocatalysts for Nitrogen Reduction Reactions Accelerated by Interpretable Intrinsic Descriptor》为题在《Angew. Chem. Int. Ed.》上发表论文。值得注意的是，这也是巩金龙教授在《Angew. Chem. Int. Ed.》上发表的第41篇论文。 这种机器学习（ML）辅助策略的工作流程图如图1所示，它依赖于一种双步方法来降低包括700多个模型在内的复杂系统的维数。第一阶段是通过符号回归和压缩感知来识别NRR活性的决定特征。第二阶段是通过分子轨道理论探讨中心金属或配位环境的内在特征如何决定NRR活性的决定特征。本文中，根据作者澄清的构效关系，一个简单的描述符被总结为与NRR活性强相关。同时，作者对该描述符的指导作用进行了实验验证。作者提出的开发描述符的策略可以扩展到其他材料和其他反应。 通过计算活性位点和中间体的电子和几何特征、中间体的吸附能和NRR性能，作者建立了一个SACs模型的数据集。在训练数据集中，将3-5d单过渡金属（TM）掺杂到石墨烯中，N原子取代量从0到4（TM-NC、NC = C3 、C2 N、CN2 、N3 、C4 、C3 N、C2 N2 、CN3 、N4 ），如图2a所示。该训练数据集用于验证所定义的简单描述符的预测性能，包括C/N/P/B/O-混合配位环境。作者选择了21个主要特征，分为两类：i)活性位点的内在特征，包括中心金属和配位环境；ii)DFT计算的特征，包括活性位点的电子特征和与关键中间体相关的特征。活性位点的内在特征是元素数据库中特定的，而DFT计算的特征仅依赖于活性位点的化学信息。因此，由这些特征训练的描述符对平动、旋转和排列对称性是不变的，这在ML中是非常重要的。 使用作者的方法，在相同的维度和复杂度（1D，phi=2）下，定义的描述符的均方根误差（RMSE）值更小（从0.35 eV到0.16 eV）。描述符（）本质上量化了NRR过程中复杂的金属-配体相互作用。一个实验火山图被绘制出来作为概念的证明，包括13份以前的研究报告和作者合成的四种材料。其中一个显示了最高的活性（Ru-N3 ），与描述符的指导很一致。 作者希望能够合成更多的高活性SACs，并根据这个简单的描述符来验证NRR的活性。此外，作者提出的两步方法将提供一个新的研究范式来开发其他反应和其他材料的简单、可解释、通用和内在的描述符。随着机器学习在多相催化领域的发展，越来越多的ML方法在加速高活性NRR催化剂的高通量筛选方面证明了它们的有效性。 总之，作者的研究结果证明，将ML与深刻的物理见解有机地结合起来，是全面解码高通量筛选中的结构-机制-活性关系的有力工具。这无疑将鼓励催化剂的合理设计。 Lin, Xiaoyun, Wang, Yongtao, Chang, Xin, Zhen, Shiyu, Zhao, Zhi-Jian, Gong, Jinlong, High-Throughput Screening of Electrocatalysts for Nitrogen Reduction Reactions Accelerated by Interpretable Intrinsic Descriptor. Angew. Chem. Int. Ed. 2023, e202300122; Angew. Chem. 2023, e202300122. https://doi.org/10.1002/anie.202300122