Первопринципы расчета для проектирования водорасщепляющих катализаторов

Роль расчетов по первым принципам в проектировании катализаторов, разбавляющих воду следующего поколения

Глобальный толчок к устойчивой энергетике поставил чистое водородное топливо в центр многочисленных стратегий декарбонизации. Среди наиболее перспективных производственных путей — расщепление воды, процесс, использующий электричество или свет для расщепления молекул воды на водород и кислород. Однако эффективность этой реакции критически ограничена производительностью каталитических материалов. Разработка эффективных, стабильных и экономически эффективных катализаторов — это огромная задача, требующая глубокого понимания механизмов реакции атомного масштаба. За последние два десятилетия вычисления первых принципов стали незаменимым инструментом для ускорения открытия катализаторов, позволяя исследователям вычислительно проверять кандидатов и прогнозировать их поведение до того, как произойдет какой-либо экспериментальный синтез.

В этой статье рассматривается, как методы первопринципов, особенно те, которые укоренены в квантовой механике, трансформируют конструкцию катализаторов, расщепляющих воду. Мы изучаем фундаментальные принципы, лежащие в основе этих расчетов, конкретные используемые методы, их практические преимущества, текущие ограничения и перспективные будущие пути, которые сочетают вычислительные подходы с машинным обучением.

Каковы первые принципы расчета?

Вычисления по первым принципам, часто называемые методами ab initio, выводят свойства материалов из фундаментальных законов квантовой механики, не полагаясь на эмпирические параметры или экспериментальную подгонку. Основная идея заключается в решении уравнения Шредингера — или его приближений — для системы взаимодействующих электронов и ядер. Таким образом, ученые могут вычислять полные энергии, электронные структуры, силы на атомах и реакционные барьеры с прогностической точностью.

В отличие от классических силовых симуляций, которые зависят от параметризованных потенциалов, расчеты по первым принципам явно рассматривают каждый атом и электрон. Это делает их особенно мощными для изучения новых материалов или промежуточных реакций, где экспериментальные данные могут быть скудными. В контексте расщепления воды эти симуляции позволяют исследователям понять, почему определенные катализаторы облегчают реакцию эволюции кислорода (OER) или реакцию эволюции водорода (HER) лучше, чем другие, и определить дескрипторы атомного масштаба, которые управляют активностью.

Квантово-механический фонд

Теоретической основой большинства методов первопринципов является уравнение Шрёдингера с множеством тел. Однако решение этого уравнения точно вычислительно неразрешимо для систем с более чем несколькими электронами. Поэтому необходимы приближения, наиболее успешным и широко используемым из которых является функциональная теория плотности (DFT). DFT переформулирует проблему с точки зрения плотности электронов, а не волновой функции с множеством электронов, резко снижая вычислительные затраты при сохранении хорошей точности для многих свойств материалов.

Другие ключевые подходы включают теорию Хартри-Фока и методы после Хартри-Фока (например, сопряженный кластер), которые являются более точными, но вычислительно более дорогими. Для больших поверхностей катализатора, обычно изучаемых в исследованиях разделения воды, DFT остается рабочей лошадкой, часто в сочетании с периодическими граничными условиями для моделирования расширенных поверхностей или двумерных материалов.

Функции взаимосвязей и их роль

Критическим элементом в DFT является функция обменно-корреляционной (XC), которая аппроксимирует квантово-механические взаимодействия между электронами. Простейшим классом является аппроксимация локальной плотности (LDA), в то время как более точные генерализованные градиентные аппроксимации (GGA), такие как PBE и мета-GGA, являются общими. Для реакций, связанных с переносом заряда или сильно коррелированными системами (например, оксиды переходных металлов, используемые в OER), гибридные функции, такие как HSE06 или B3LYP, часто дают более надежную энергетику. Выбор функционального значительно влияет на вычислительные энергии адсорбции, реакционные барьеры и электронные зазоры полосы, непосредственно влияя на прогнозы производительности катализатора.

Применение в каталитическом дизайне для разделения воды

Расчеты первых принципов стали важными в рациональном проектировании катализаторов, расщепляющих воду. Вместо того, чтобы полагаться на эксперименты с пробами и ошибками, исследователи теперь регулярно используют DFT для скрининга сотен материалов-кандидатов, выявления перспективных поверхностных аспектов и выяснения механизмов реакции на атомном уровне.

Ключевые методы, используемые в исследованиях водоразделения

Функциональная теория плотности (DFT)

DFT является наиболее широко используемым методом первопринципов для изучения каталитических реакций. При расщеплении воды он используется для расчета адсорбционных энергий реакционных промежуточных соединений (например, *OH, *O, *OOH для OER; *H для HER) на поверхностях катализатора. Эти энергии затем используются для построения диаграмм свободной энергии, которые раскрывают шаг ограничения скорости. Например, классический дескриптор для активности OER - это разница между адсорбционными энергиями *O и *OH (ΔG_]O - ΔG_OH. Сканируя различные материалы, исследователи могут идентифицировать композиции, которые почти удовлетворяют оптимальному отношению масштабирования.

Молекулярная динамика Ab Initio (AIMD)

AIMD выходит за рамки статических расчетов DFT, имитируя движение атомов при конечных температурах. Это имеет решающее значение для понимания стабильности катализатора в условиях эксплуатации - например, реконструирует ли поверхность или растворяется в водной среде. AIMD также может явно захватывать эффекты растворителя, обеспечивая более реалистичную картину динамики реакции. В то время как вычислительно требовательно, AIMD использовался для изучения стабильности оксидов перовскита и слоистых двойных гидроксидов в условиях ООР.

Моделирование поверхности и интерфейса

Реакции разделения воды происходят на твердо-жидких интерфейсах. Моделирование поверхности по первым принципам включает в себя построение моделей плит (или кластеров), которые обнажают соответствующие кристаллические грани, добавление явных слоев воды и включение коррекции сольватации. Такие методы, как модель вычислительного водородного электрода (CHE), введенная Нёрсковым и его коллегами, позволяют исследователям вычислять рН- и потенциально независимую свободную энергию каждого этапа реакции. Этот метод сыграл важную роль в установлении тенденций активности как для катализаторов HER, так и для OER.

Микрокинетические модели

Помимо термодинамики, данные по первым принципам поступают в микрокинетические модели, которые имитируют скорости реакций, эффекты покрытия и частоты общего оборота. Эти модели преодолевают разрыв между энергией атомного масштаба и макроскопическими каталитическими показателями, позволяя количественные прогнозы, которые можно напрямую сравнить с экспериментальными кривыми поляризации и наклонами Тафеля.

Преимущества первых принципов расчета для обнаружения катализаторов

Принятие методов, основанных на первых принципах, в исследованиях по расщеплению воды дает несколько конкретных преимуществ:

• Прогнозный скрининг перед синтезом: Исследователи могут оценить тысячи композиций виртуально, отобрав наиболее перспективных кандидатов для экспериментальной валидации. Это резко сокращает время и стоимость разработки материала.
• Механистическое понимание на атомическом уровне: Эксперименты часто предоставляют косвенную информацию о путях реакции. Расчеты первых принципов показывают точные события разрыва и формирования связей, идентичность активных сайтов и происхождение сверхпотенциалов.
• Рациональная оптимизация состава и структуры:] Понимая, как допанты, деформация или поверхностное окончание влияют на каталитическую активность, исследователи могут намеренно адаптировать свойства материала. Например, DFT руководил проектированием ни-Fe слоистых двойных гидроксидов, показывая, что сайты Fe3+ являются активными центрами для ООР.
• Сниженная экспериментальная нагрузка: Вычислительный предварительный скрининг минимизирует количество дорогостоящих и трудоемких синтезов и характеристик, позволяя лабораториям сосредоточить усилия на наиболее жизнеспособных кандидатах.
• Ускоренные циклы разработки: Параллельно с экспериментальной обратной связью вычисления могут быстро повторяться на новых идеях, что приводит к более быстрым инновационным циклам в проектировании катализаторов.

Тематические исследования: первые принципы-принципи-ориентированные открытия катализаторов

Несколько знаковых исследований иллюстрируют силу расчетов первых принципов в катализе, разделяющем воду.

1.Вулканический заговор для эволюции водорода

Возможно, самым известным применением является строительство участка вулкана HER, где вычисленная свободная энергия адсорбции водорода (ΔG _]H*] используется в качестве дескриптора. Расчеты DFT показали, что оптимальные катализаторы HER имеют ΔG _]H*], близкие к нулю. Этот принцип правильно помещает Pt вблизи пика и направляет развитие недрагоценных альтернатив, таких как MoS2, где расчеты показали, что участки на краю серы активны и что активность может быть настроена путем добавления украшений кобальта или никеля.

2.Эволюция кислорода в перовскитных оксидах

Работа группы Шао-Хорна и других использовала DFT для рационализации OER-активности перовскитных оксидов, таких как Ba0.5Sr0.5Co0.8Fe0.2O3-δ (BSCF). Расчеты первых принципов объяснили, что высокая активность возникает из почти оптимальной разности адсорбции *O / *OH и участия кислорода решетки в механизме окисления решетки-кислорода (LOM). Эти идеи с тех пор вдохновили проектирование фаз Раддлесдена-Поппера и двойных перовскитов с улучшенной стабильностью.

3. Одноатомные катализаторы

Катализаторы с одним атомом (SAC), где изолированные атомы металла закреплены на опоре, стали перспективными материалами как для HER, так и для OER. Расчеты первых принципов имели решающее значение для идентификации координационной среды (например, N-допинг-хозяина графена), которая оптимизирует прочность связывания промежуточных соединений. Например, скрининг DFT показал, что фрагменты Co-N4 имеют подходящее связывание *OH для OER, что приводит к экспериментальному синтезу высокоэффективного катализатора Co-N/C.

Вызовы в расчетах первых принципов для катализа с водным сплиттингом

Несмотря на успехи, методы, основанные на первых принципах, сталкиваются с рядом ограничений, которые необходимо признать, чтобы избежать чрезмерной интерпретации результатов.

Расчетные затраты и размер системы

Расчеты DFT становятся непомерно дорогими для больших систем, таких как реалистичные наночастицы катализатора с тысячами атомов или явные слои растворителей с сотнями молекул воды. Гибридные функции и AIMD еще больше увеличивают вычислительную нагрузку. В то время как достижения в области высокопроизводительных вычислений и разработки алгоритмов (например, линейно-масштабируемый DFT) смягчают эту проблему, многие системы, представляющие практический интерес, все еще превышают обычные возможности.

Точность функций обмена-корреляции

Выбор функционала может резко повлиять на прогнозируемые энергии адсорбции. Например, функционалы GGA часто недооценивают стабильность поверхностных форм кислорода, приводя к переоценке активности ООР. Гибридные функционалы повышают точность, но при более высокой стоимости. Будущее развитие более универсальных и систематически улучшаемых функционалов, возможно, с использованием машинного обучения, остается активной областью исследований.

Моделирование электрохимических интерфейсов

Реальное расщепление воды происходит на электродно-электролитном интерфейсе при прикладном потенциале, с pH и ионными эффектами. В то время как модель CHE захватывает некоторые из этих эффектов, это термодинамическое приближение, которое предполагает равновесие. Полное кинетические моделирования, которые включают явный растворитель, контрионы и электрический двойной слой, все еще являются сложными. Недавние подходы, использующие модели непрерывного сольватирования (например, VASPsol) и грандиозно-канонический DFT, улучшают реализм, но ни один метод не является универсально принятым.

Пренебрежение кинетикой реакции и динамикой растворения

Многие вычислительные скрининги полагаются исключительно на термодинамические дескрипторы (например, энергии адсорбции), но кинетика — такая как барьеры активации для формирования связей O-O — может быть одинаково важной. Барьеры активации вычислительно дороги для вычислений и часто аппроксимируются с использованием простых отношений масштабирования, которые могут разрушаться для определенных материалов. Динамика сольвации, сети водородных связей и вклады энтропии в интерфейсе также добавляют сложность, которая не полностью улавливается в стандартных расчетах DFT.

Будущие направления и интеграция с машинным обучением

Будущее расчетов по первым принципам в конструкции катализатора, расщепляющего воду, заключается в синергии с методами, основанными на данных, и экспериментальной обратной связью.

Машинное обучение: ускоренное открытие

Модели машинного обучения (ML) могут быть обучены на больших наборах данных DFT для прогнозирования адсорбционных энергий, реакционных барьеров и каталитической активности в секундах вместо дней. Например, потенциалы нейронных сетей (например, ANI, SchNet, MACE) могут выполнять моделирование молекулярной динамики с точностью до DFT за небольшую часть стоимости. Кроме того, высокопроизводительные скрининговые кампании с использованием суррогатов ML позволяют исследовать сотни тысяч биметаллических и тройных композиций.

Несколько исследовательских групп объединили DFT с байесовской оптимизацией для выявления оптимальных катализаторов для ООР. Алгоритм итеративно предлагает новые материалы, оценивает их с помощью DFT, обновляет модель и сходится в перспективных областях композиционного пространства. Этот подход был использован для обнаружения новых оксидов на основе Ni-Fe-Co с повышенной активностью.

Включение растворителей и потенциальных эффектов

Разрабатываются усовершенствованные вычислительные схемы, которые плавно интегрируют явные растворители, электрические поля и прикладной потенциал. Гранд-канонический DFT и постоянный потенциал AIMD позволяют исследователям моделировать интерфейс электрод-электролит в реалистичных условиях эксплуатации. Эти методы уменьшат разрыв между вычислительными предсказаниями и экспериментальными измерениями.

Многомасштабное моделирование

Для преодоления разрыва между DFT атомного масштаба и производительностью на уровне устройства требуются многомасштабные модели. Типичный рабочий процесс включает использование DFT для вычисления энергии реакции и барьеров активации, их подачу в микрокинетические модели, а затем связь с транспортными уравнениями для полного моделирования на уровне катализатора. Такие интегрированные структуры могут прогнозировать кривые тока, эффективность Фарадея и стабильность с течением времени.

Открытые базы данных и воспроизводимость

Усилия сообщества, такие как Катализный центр и Материальный проект, курируют большие базы данных вычислительных адсорбционных энергий и энергий реакции. Эти ресурсы позволяют осуществлять анализ данных и ускорять обучение моделей ML. Кроме того, стандартизация входных файлов и параметров вычислений улучшает воспроизводимость и позволяет легче сравнивать исследования.

Практические рекомендации для исследователей

Для ученых, вступающих в область вычислительной разработки катализаторов, следующие рекомендации могут помочь обеспечить надежные и эффективные результаты:

• Всегда проверяйте выбранный функционал XC на основании известных экспериментальных данных для соответствующей системы. Для ООР на оксидах переходных металлов часто необходимы гибридные функции или DFT+U.
• Включает в себя коррекции сольватации явно или через неявные модели. Пренебрежение сольватацией может привести к ошибкам нескольких сотен мегавольт в энергиях адсорбции.
• Проведите тщательные тесты на конвергенцию для толщины плиты, вакуумного зазора и выборки k-точек. Эти технические параметры могут изменить вычисленные свободные энергии на 0,1-0,2 эВ.
• Используйте вычислительный подход к водородному электроду (CHE) для сравнения с экспериментальными сверхпотенциалами, но помните о его предположениях (например, отсутствие барьеров активации).
• Рассмотрим сочетание DFT с микрокинетическим моделированием, чтобы оценить, преобразуются ли термодинамические тенденции в реалистичные каталитические скорости.
• Взаимодействие с экспериментальными сотрудниками для проверки прогнозов. В идеале, компьютерный скрининг должен сочетаться с быстрым синтезом и тестированием в цикле обратной связи.

Одним из ценных ресурсов для начала работы является онлайн-учебник, предоставленный группой Нёрскова по методу CHE. Для тех, кто заинтересован в высокопроизводительном скрининге, работа группы Siahrostami демонстрирует комбинированный трубопровод DFT-ML для катализаторов ООР.