.png){kind=icon}
返回
Facet-Dependent Oxygen Evolution on IrO2 from Machine-Learned Potential Driven Atomistic Models
.png){kind=icon}
PRE
AI
DOI：10.1039/D6TA01524G.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
酸性水电解制氢受限于阳极析氧反应（OER）；其中IrO2因其低过电位和高活性而仍是目前最佳催化剂。然而，催化剂性能对晶面高度依赖，不同表面取向的活性差异的原子机制因电化学条件下离散的界面溶剂化、氧化还原化学和吸附物能学耦合而尚未解决。本研究对IrO2(110)和IrO2(101)表面的OER进行了统一的热力学与电子结构分析，明确解析了晶面依赖的OER活性趋势。首先采用隐式溶剂化的CHE自由能曲线，但未能清晰捕捉晶面依赖的OER趋势。随后通过机器学习分子动力学（MLMD）模拟引入显式水溶剂化，获得统计平衡的IrO2/H2O结构。以水配位的Ir位点作为代表性催化位点，计算OER中间体的吸附自由能并构建自由能图。显式溶剂化的反应路径识别出*O到*OOH的过渡为两晶面的决速步，且IrO2(110)的过电位显著低于IrO2(101)。电子结构分析（包括功函数、自旋分辨投影态密度和轨道分辨COHP）显示，(101)晶面通过晶面依赖的Ir（eg/t2g）与O(2p)态杂化重分布更强地稳定Ir-O态，与更大的电荷转移和更强的Ir-O键一致。这种更强的氧键稳定化增加了O-O键形成的自由能，解释了IrO2(101)的高过电位。综合结果表明，机器学习势能下的显式溶剂化模型揭示了IrO2上OER活性的晶面依赖性。
Keyword:
Oxygen evolution reaction
IrO2 facets
machine-learned potential
explicit solvation
overpotential
