DFT+MD+机器学习，研究氧化物衍生铜电催化剂中氧的稳定性与寿命

作者信息 

第一作者：Zan Lian 通讯作者：Núria López

通讯单位：加泰罗尼亚化学研究所

成果速览

本研究通过大规模分子动力学模拟结合精确的神经网络势能，探讨了氧化物衍生铜（OD-Cu）在电化学CO2还原反应中的氧浓度稳定性与寿命。

研究发现，OD-Cu的氧浓度与pH值、电位和比表面积密切相关。在长时电化学实验中，OD-Cu可完全还原为铜，但去除所有捕获的氧需较长时间。该研究为理解OD-Cu催化剂的演变和活性位点的本质提供了深刻见解。

图文导读

图1：展示了构建神经网络势能的计算模拟方法，包括数据收集的两个阶段和通过主动学习过程进行的迭代。