电化学能量转换能够实现温和条件下、电能与化学能的转换，是新能源转化与利用的重要手段，也是解决当前能源危机与环境污染等问题的潜在方案之一，其瓶颈在于缺少高效、稳定的催化剂。负载型金属催化剂因其可调的金属-载体界面，活性位点充分暴露及稳定性高等特点，在各类反应中展现出更为优越的催化性能，因而具有更加显著的应用优势与前景。然而，复杂、多变的界面也导致负载型金属催化剂的高效筛选、理性设计以及原子尺度的性能调控与优化策略的构建，至今仍然是一个巨大的科学挑战。

针对这一问题，王金兰教授课题组以二维材料负载的双金属原子催化剂为例，结合人工智能技术与物理化学分析，构建了一个基于原子本征性质（电负性、电子数）的简单描述符，能够量化复杂界面效应对于材料电催化还原反应（二氧化碳、氮气、氧气还原反应）活性的影响，实现了不依赖第一性原理计算的、材料催化性能的定性评估。预测结果与已报道的实验、理论结果很好的吻合，从而为负载型双原子催化剂的理性设计与性能优化提供了切实可行的策略。此外，文章也提出了构建普适性描述符通用设计框架，对于其他负载型催化剂的描述符的设计与构建具有重要指导意义。

本文的第一作者是博士生任春锦，王金兰教授及凌崇益副教授为通讯作者。该工作受到国家重点研发计划、国家自然科学基金重点项目等资助。

论文链接为：https://pubs.acs.org/doi/full/10.1021/jacs.2c04540

参考资料：https://physics.seu.edu.cn/2022/0616/c23138a411880/page.htm