机器学习结合恒电位模拟：揭示电催化固氮电荷转移新机制
一、研究背景
氨合成是支撑现代农业与工业的关键过程，但传统的哈伯-博施法依赖高温高压，消耗全球约2%的能源并产生大量碳排放。在碳中和目标驱动下，开发能在温和条件下运行的绿色合成路线，是当前催化领域最紧迫的挑战之一。
电催化氮还原反应（NRR）利用可再生电力，在常温常压下将氮气和水直接转化为氨，理论上是一条零碳排的清洁路径。然而，其产业化面临两大核心障碍：一是氮气分子中N≡N三键的极高键能（941 kJ/mol），导致其在温和条件下活化能垒巨大；二是水相电解质中竞争性的析氢反应（HER）动力学更快，严重拉低了NRR的法拉第效率与产氨速率。
为突破这些瓶颈，研究焦点转向了结构明确、活性位点均一的单原子分子催化剂。碳硼龙（carbolong）分子，特别是具有15碳共轭骨架的碳硼烷（carborin），因其可精准整合金属中心并调控电子结构，被视为极具潜力的NRR催化平台。
然而，针对此类复杂体系的催化剂理论筛选存在方法学局限。广泛采用的计算氢电极（CHE）模型，其“单电子逐步转移”的假设与真实电催化界面在恒定电位下的动态电荷转移过程不符。忽略电位、溶剂化效应及催化剂-载体相互作用的动态耦合，可能导致自由能计算失真，甚至误判反应的决速步骤。
二、研究亮点
近期一项突破性研究，通过将机器学习（ML）与正则系综恒电位法（FPM）深度融合，构建了一个全新的DFT-ML高通量筛选框架。该框架的核心优势在于，能够直接模拟真实电化学环境中的恒定电位、溶剂化效应及界面电子耦合，从而实现对NRR催化剂的精准性能预测与机理解析。
利用该体系，研究团队系统筛选了144种由不同官能团修饰的碳硼烷/石墨烯负载单原子催化剂（涵盖25种过渡金属与6种官能团）。筛选结果表明：Cr@NO₂-carborin/石墨烯与Cr@CHO-carborin/石墨烯体系性能最为突出。前者的理论限制电位低至-0.220 V（发生于*N₂→*N₂H步骤），后者为-0.245 V（发生于*NH→*NH₂步骤），且两者对析氢副反应的抑制效率均超过99%。
研究通过对比，明确揭示了传统CHE模型的系统性偏差。由于CHE未考虑中间体电荷状态的实时变化，其计算的自由能曲线与FPM结果存在显著差异。例如，对于Cr@CHO-carborin催化剂，CHE错误地将*N₂→*NNH步骤判定为速控步，而FPM模拟显示真正的动力学瓶颈在于*NH→*NH₂步骤。这证实了恒电位方法在描述动态电荷转移过程中的必要性。
在机制层面，研究结合皮尔逊相关性分析与SHAP可解释性模型，识别出一个关键动态描述符：中间体吸附诱导的零电荷电位偏移。该描述符直接关联界面电荷转移模式与氮气活化效率，超越了传统静态电子结构参数（如d带中心）的局限性，为理解电位对催化过程的调控提供了新范式。
稳定性是催化剂实际应用的前提。通过300K下长达5000飞秒的从头算分子动力学模拟证实，这两种最优催化剂结构保持完整，且氨气脱附过程在热力学上自发，为其后续实验验证奠定了理论基础。
三、核心机制
高性能背后的微观机制，根植于恒定电位下的动态电荷调控。FPM模拟揭示，在恒定电位下，中间体（如*N₂、*NNH）的吸附会引发催化剂表面零电荷电位的移动，进而改变体系的净电荷状态。这使得每一步的净电子转移数变为（n₂-n₁-1），与CHE模型固定的1e⁻转移假设存在本质区别。这种动态电荷调整是决定中间体稳定性和反应能垒的关键。
深入分析表明，零电荷电位偏移是催化活性的核心调控因子。以性能最优的Cr@NO₂-carborin为例，氮气吸附后，其零电荷电位从-4.52 V降至-4.62 V，导致表面积累的负电荷从0.132 e⁻增加至0.316 e⁻。这种适度的电荷积累实现了双重优化：一方面轻微削弱氮气的吸附强度，避免其过度稳定；另一方面促进电子从铬的d轨道向氮气的p轨道转移，有效削弱N≡N键。
电子结构分析显示，最优催化剂中铬原子的d带中心恰好位于火山图底部，这意味着其对关键中间体*NNH的吸附强度达到了最佳平衡——既足以活化反应物，又便于后续步骤的进行。态密度分析进一步证实，铬的d轨道与氮的p轨道在费米能级附近发生显著杂化，强化了氮气的活化能力。
反应路径计算确认，NRR更倾向于经历能量更低的“远端路径”。而需要形成高能量*NHNH中间体的“交替路径”在动力学上处于劣势。此外，石墨烯载体发挥了关键作用：其优异的导电性促进了电荷的跨界面再分布，优化了活性位点局部的电子环境，从而提升了整体催化动力学。
四、总结与意义
本研究通过机器学习与恒电位DFT模拟的创新性融合，建立了一套高效、精准的NRR催化剂筛选与机理解析新范式。它不仅成功发现了Cr@NO₂和Cr@CHO修饰的碳硼烷/石墨烯这类高性能候选材料，更重要的是，揭示了恒电位下由中间体吸附诱导的零电荷电位偏移，是调控多电子转移反应活性的核心动态描述符。
这项工作清晰指出了传统CHE方法在描述电催化动态过程时的固有缺陷，而FPM与ML的结合则为解决这一难题提供了有效工具。其方法论意义超越了氨合成领域，所建立的通用框架对于理解其他复杂多电子电催化反应（如二氧化碳还原、氧还原）同样具有重要参考价值，为理性设计下一代高效电催化剂提供了坚实的理论基石。
论文DOI: 10.1002/advs.202524356