:OERORR电催化OERORR研究围绕反应路径量化、活性描述符识别等展开,通过、等工具关联结构与性能,前沿结合和,推动从经验筛选到理性设计,助力能源转化技术发展。
析氧反应()和氧还原反应(ORR)是电催化领域的核心反应OER。则发生在燃料电极,是OER的逆反应,其反应路径依赖介质:酸性条件下,可通过4e⁻途径生成水或2e⁻途径生成过氧化氢;碱性条件下,4e⁻途径生成氢氧根,2e⁻途径生成过氧氢根。

ORR反应机制的差异是二者性能不对称的核心原因:子–电子转移过程进行,关键中间体为、O、OOH;ORR除AEM外,还存在晶格氧机制和双位点机制,其中OOH的吸附自由能多是决定反应路径选择性的关键参数。
OEROOOOH核心内容
与ORR的核心理论研究围绕反应路径量化、活性描述符识别、电子结构调控及动力学模拟展开,形成了从原子级机制到宏观性能的完整关联体系。

反应路径与自由能计算是解析二者动力学的基础,基于密度泛函理论(,通过比较各步ΔG可确定决速步,为活性优化提供靶点。
,的关键描述符为ΔG_O- ΔG_OH或ΔG_;ORR中,ΔG_是核心描述符,2e⁻路径的理想值约为0.44 eV,4e⁻路径则依赖O与OH的吸附能差。
活性位点与电子结构分析SACsDACs动力学与过渡态模拟进一步量化反应速率:若直接解离能垒较高,而加氢路径能垒较低,故更倾向于加氢机制;微动力学模型结合DFT能垒与电位依赖速率方程,可预测表观活性参数。

典型OER/ORR应用
与ORR的典型应用通过可视化工具与量化分析,直观展现了催化活性与微观结构的关联,为催化剂设计提供了明确指导。
活性描述符与催化性能的核心工具,其功能是通过横坐标与纵坐标的映射,定位最优催化剂。
等人的研究中,OER火山图以吸附自由能变为横轴,过电位为纵轴,颜色梯度表示η增大,顶点对应CoPc等高效催化剂,证实了ΔG作为描述符的有效性;Čolić的ORR火山图以吸附能为横轴,交换电流密度log j₀为纵轴,Pt位于顶点,活性显著优于Ir、Pd等金属,明确了Pt在ORR中的优势源于对的适中吸附强度。

吉布斯自由能图通过Ostadhossein,纵轴为ΔG,结果显示F修饰TiₓNᵧTₓ MXene的决速步势垒显著低于未修饰表面,揭示了修饰通过电子效应优化吸附的机制。

态密度分析则从电ZhangNidDOI:10.1039/d0ta08630d
有机框架高效催化Liu通过设计吡啶型配位的二维有机金属框架((phen₂N₂) FeCl),实现了高效双功能电催化,为RDOI:计算目标聚焦于开发兼具高与OER活性的材料,传统催化剂往往因OER与ORR对中间体吸附强度的要求冲突难以兼顾,而该研究通过调控FeN₄的电子结构,实现了吸附能的协同优化。
DFT计算关键结果通过自由能图、电子结构分析与火山图定位得以验证:路径中,为决速步,ΔG=1.45 eV,对应过电位η_OER=0.35 V(pH=0);ORR路径中,OOH形成能垒最低,η_ORR=0.33 V(pH=0),二者过电位差仅0.02 V,展现出优异的双功能特性。
OOH。火山图定位显示,该催化剂Pt/C实验验证进一步证实了理论预测的可靠性,实测η_OER与η_ORR与理论值偏差,TOF比传统Fe-N-C材料高2个数量级,证实了二维有机金属框架中FeN₄位点的高效双功能活性。
破活性冲突提供了可复制的研究思路。

10.1002/adfm.202207110
OER多尺度模拟融合、动态界面解析及理论模型革新,突破传统研究的局限,推动催化机DOI:10.1002/adfm.202203439
DFT图神经网络,计算效率比提升10⁴倍,为高通量筛选提供了利器。
OH当前面临的挑战与未来展望主要集中在三个方面:泛函与量子蒙特卡洛方法可提升精度,但计算成本需升高个数量级。
机器学习泛化能力,小样本数据导致模型在新型催化剂上的预测精度下降,主动学习策略通过迭代补充高信息密度样本,可将模型迁移误差降低,推动机器学习从“interpolation”向“extrapolation”跨越。

这些前沿方向的突破将推动研究从“经验筛选”向“理性设计”转变,为高效电催化体系的开发提供理论支撑。
OER发展历程从早期的自由能分析,逐步拓展至机器学习高通量筛选,形成了多维度、多层次的研究体系。
的核心价值在于建立“结构–电子态–活性”的定量关联:通过自由能图定位决速步,指导活性位点的精准调控;借助火山图与描述符,缩小催化剂筛选范围;利用态密度分析,揭示电子结构对吸附能的调制机制。
当前,计算电化学正朝着“材料基因工程”的目标迈进,通过融合原位计算与多尺度建模,逐步攻克动态界面模拟的难题——如捕捉电位诱导的表面重构、溶剂化效应对中间体的瞬时影响等。
通过理论设计直接指导催化剂合成与器件集成,为燃料电池、电解水等能源转化技术的工业化应用提供核心材料支撑,加速碳中和目标的实现。