近日，我院光学工程学科徐晶教授和研242班硕士研究生叶代飞联合吉林大学崔小强教授团队、哈尔滨师范大学赵景祥教授团队，在电催化材料理性设计与高通量筛选方面取得重要进展。相关成果以"Leveraging DFT and Machine Learning for Accelerated Screening of Cluster-Modified Single-Atom Catalysts in Oxygen Reduction Reactions"为题，发表在国际知名期刊《ACS Catalysis》（中科院1区TOP期刊，IF=13.6）。
在氧还原反应（ORR）研究中，针对单原子催化剂（SAs）本征活性有限、团簇修饰后构型组合空间呈指数级增长而难以理性筛选等关键问题，研究团队提出了密度泛函理论（DFT）—机器学习（ML）—实验验证三位一体的集成工作流。团队以OH*中间体的吸附自由能为活性描述符，对156种单原子/团簇(SA/AC)候选催化剂进行系统筛选，最终鉴定出Ru团簇修饰的Ir−N4催化剂，其理论过电势低至0.21 V。电子结构分析表明，Ru团簇的引入降低了Ir的d带中心、减少了自旋磁矩并降低了Ir位点的轨道占据率，三者协同削弱了OH的吸附，从而显著提升了ORR动力学性能。
基于理论预测，团队进一步合成了该Ir−N4/Ru催化剂，实验结果证实其半波电位达0.841 V，经10000次循环测试后仅衰减16 mV，展现出优异的活性与耐久性，性能可比拟商业Pt/C催化剂。将其组装为锌空气电池空气阴极后，峰值功率密度达163 mW cm-2，比容量786 mAh g-1（Zn），展现出良好的实际应用前景。该工作为高性能电催化剂的高通量理性设计提供了一套普适性的"理论–数据–实验"融合范式。
论文链接：
Xiaoyu Chen, Yinghao Xu, Daifei Ye, Jing Xu*, Ying Wang, Guangri Jia, Xiaoqiang Cui*, Jingxiang Zhao*. Leveraging DFT and Machine Learning for Accelerated Screening of Cluster-Modified Single-Atom Catalysts in Oxygen Reduction Reactions. ACS Catalysis. 2026.https://doi.org/10.1021/acscatal.6c02383
(文：徐晶、叶代飞，审核：姚立健，终审：陈培金）
