由機器學習和DFT計算引導的高效CO2光還原
發布時間：2023-12-13 16:40:48來源：
將CO2光催化還原為高價值碳基燃料在解決日益嚴重的能源危機方面具有巨大潛力。然而，CO 2分子的高C=O鍵能(750 kJ·mol -1 )使得CO 2 的活化和還原具有挑戰性。因此，構建具有新型電子傳遞途徑的光催化劑具有重要意義。與傳統的單一電子傳輸通道相比，基于層狀材料的多電子通道的發展在載流子傳輸的改善方面具有明顯的優勢。然而，合理設計具有優化參數的理想多電子通道光催化模型是相當具有挑戰性的。
近日，武漢工程大學姜繼洲教授領導的一項研究課題“構建雙電子傳遞通道以機器學習和第一性原理計算為指導加速CO 2光還原”。該工作結合第一原理計算和機器學習，成功預測并制備了一種新型的具有雙電子傳輸通道的BiOBr-Bi-gC 3 N 4三明治結構，用于光催化CO 2還原。這種新穎的結構具有良好的活性，主要原因有三個：(1)引入的gC 3 N 4納米片表現出與BiOBr相似的能級結構，有利于形成電子疊加態。(2)由于特殊的雙電子傳輸通道，激發態載流子能夠高效分離和傳輸;(3)由于BiOBr和gC 3 N 4的光生載流子具有不同的時間衰減行為，因此可以構建CO 2還原的多時間尺度反應機制來優化反應路徑。BiOBr-Bi-gC 3 N 4量子的良好結構增強了CO 2還原光催化性能(43 μmol g -1 h -1 ) 。利用五種機器學習模型探討了各種影響因素對多電子通道效率的線性規律。對光催化機理進行了系統研究。研究結果發表在催化學報上。
免責聲明：本答案或內容為用戶上傳，不代表本網觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關內容。 如遇侵權請及時聯系本站刪除。
