第一作者:Jehad Abed, Javier Heras-Domingo, Rohan Yuri Sanspeur
通讯作者:Edward H. Sargent,Zachary W. Ulissi
通讯单位:卡内基梅隆大学,多伦多大学
Edward H. Sargent,加拿大皇家科学院院士、加拿大工程院院士,加拿大纳米技术领域的首席科学家。主要从事发光和能量转换器件、生物传感以及能源催化剂制备相关的研究工作。
Zachary W. Ulissi,卡内基梅隆大学兼职教授。
论文速览
对绿色氢气需求的增长,引发了对用于析氧反应(OER)催化剂中的铱可用性的担忧。 研究团队借助机器学习辅助的计算流程,筛选了超过36,000种混合金属氧化物,用以预测在酸性条件下的稳定性。通过实验发现Ru0.6Cr0.2Ti0.2O2作为候选材料展现出提高的耐久性,在100 mA cm−2下具有267 mV的过电位,并在此电流密度下稳定运行超过200小时,过电位增加速率为25 μV h−1。表面密度泛函理论计算表明Ti增加了金属-氧共价性,是提高稳定性的潜在途径,而Cr降低了HOO*形成速率决定步骤的能垒,与RuO2相比提高了活性,在100 mA cm−2下降低了40 mV的过电位同时保持了稳定性。 原位X射线吸收光谱学和非原位ptychography-STXM显示了反应过程中亚稳态结构的演变,与RuO2相比,Ru的质量溶解减慢了20倍,晶格氧的参与抑制了>60%。
图文导读
图1: 机器学习高通量筛选(ML-HTS)流程的工作流程图。
图2: 包括Ru0.6Cr0.2Ti0.2Ox纳米粒子的高分辨率SEM图像、HRTEM图像、XRD图谱、X射线吸收近边结构(XANES)和傅里叶变换扩展X射线吸收精细结构(FT-EXAFS)。
图3: Ru0.6Cr0.2Ti0.2Ox、Ru0.6Cr0.4Ox和RuOx与商业RuO2和IrO2纳米粒子的极化曲线、Tafel斜率、质量活性和稳定性测试。
图4: OER后催化剂的高分辨率TEM图像、STEM图像和元素分布、STXM光谱光密度图、Ti L边X射线吸收光谱和O K边STXM光谱。
图5: RuO2、RuTiO4、RuCrO4和Ru0.5Cr0.25Ti0.25O2的Pourbaix分解自由能ΔGpbx计算、RuCrTiOx表面Pourbaix图和(110)与(101)晶面的最稳定终止模型。
总结展望
本研究开发的机器学习辅助计算流程成功筛选了2070种氧化物,评估了它们在酸性OER下的电化学稳定性。通过实验优化Cr含量,与纯RuO2相比,过电位降低了70 mV。计算研究显示,Cr掺杂形成的Ru−O−Cr二聚体对活性有协同效应,降低了速率决定步骤的能垒。
通过改良的溶胶-凝胶合成法成功将20原子%的Ti掺杂到Cr掺杂的RuO2晶格中,显著延长了RuO2的稳定性,从少于20小时延长到至少200小时。Ti掺杂形成的强金属-氧共价性,通过STXM和XAS的化学位移得到证实,并由ML预测。
TEM和原位XAS确认了反应过程中形成了由Ti-氧网络和Cr覆盖层组成的亚稳态结构,抑制了钌的溶解。本研究提出的计算流程设计原则可为酸性介质中电化学应用的稳定金属氧化物的开发提供重要见解。
文献信息
标题:Pourbaix Machine Learning Framework Identifies Acidic Water Oxidation Catalysts Exhibiting Suppressed Ruthenium Dissolution
期刊:Journal of the American Chemical Society DOI:10.1021/jacs.4c01353