欢迎访问!中国科学技术大学精准智能化学全国重点实验室
返回首页

【Precis. Chem.】福州大学林森/袁珮|依赖近前线分子轨道与单原子催化剂外壳层配位效应的选择性相互作用描述符

发布时间:2023-04-24阅读次数:10来源:精准智能化学全国重点实验室


英文原题:Peripheral Coordination-Dependent Descriptor for Selective Interactions between Near-Frontier Molecular Orbitals and Single-Atom Catalysts

通讯作者:林森,福州大学;袁珮,福州大学

作者:Bingqing Ge (葛冰青), Fenfei Wei (卫奋飞), Qiang Wan (万强), Hongwei Zhang (张宏伟), Pei Yuan* (袁珮), Sen Lin* (林森)

研究背景:

对吸附物-表面相互作用的理解对于设计具有高选择性的催化剂,将α,β-不饱和醛(α,β-UALs)中的C=O键选择性加氢为高价值的不饱和醇(α,β-UOLs)至关重要。虽然过去的研究定性地认为α,β-UALsC=O/C=C的选择性吸附主要取决于α,β-UALs的近前沿分子轨道(MOs)与金属表面或单原子合金催化剂上活性位点的d轨道之间的相互作用,但仍然非常缺乏定量描述。

单原子催化剂(SACs)已被广泛用于选择性氢化反应。由于其定义明确的单位点几何结构,SACs可以避免一次吸附多个不饱和键,因此,它是研究吸附物-表面相互作用的理想模型。特别是可以通过各种化学手段改变SACs的配位环境(CE)来调整吸附物-表面相互作用。令人鼓舞的是,这种方法提供了实现α,β-UALs选择性吸附的潜力。

在这项工作中,作者基于全面的密度泛函理论(DFT)计算,将α,β-UALsC=C/C=O键的MOsSACsCE和单原子的基本物理特性相结合,开发了一个简单的描述符。重要的是,该描述符中的所有参数都易获得及可理解,因此能够快速预测SACsα,β-UALsC=C/C=O键的选择性。

内容介绍:

近日,福州大学林森教授课题组和袁珮教授课题组将近前线分子轨道(MO)理论扩展到定量理解单原子催化剂(SACs)与α,β-不饱和醛(α,β-UALs)的选择性相互作用。该描述符通过径向对称和截断函数精确地描述了SACs中单原子活性中心周围内壳层和外壳层配位环境的影响,可以快速、定量地描述α,β-UALsC=O/C=C2D SACs上的选择性吸附。

1. 研究对象和吸附模型。

以四种典型的α,β-UALs分子作为研究对象,包括丙烯醛、巴豆醛、3-甲基-2-丁烯醛和2-戊烯醛。它们分别吸附在M1@C2NM1@g-C3N4M1@DGM1@h-BN四种不同载体(每一种载体具备独特的配位环境)负载的SACs上,共计800多个模型。α,β-UALs在每种SAC上存在两种吸附模式,分别为ald-modeC=O吸附)和ene-modeC=C吸附)。这种不同的吸附模式决定后续加氢的不同反应路线。

2. 电子结构分析。

结合所有M1@2D催化剂的d带态密度(DOS)和四种分子官能团轨道的MODOS进行电子结构分析。结果表明,催化剂d-band中心对分子的选择性吸附起主导作用,而d-band中心所带来的ΔQMO的改变(QHOMOHOMO和催化剂d轨道的重叠区域,QHOMO-1HOMO-1和催化剂d轨道的重叠区域,),则起着辅助轨道匹配的作用。

3. α,β-UALsSACs上的C=O/C=C吸附能差值随描述符λ的变化。

利用一些易获得和可解释的物理化学参数如分子轨道能量,包括d轨道的电子数()、第一电离能()以及电负性(,)等,提出描述符公式。λSACs选择性吸附C=O/C=C结果都具有较好的描述表现,且描述符λ与催化剂的Bader charged-band中心均呈现较好的相关性。重要地是,采用径向对称函数和截断函数构造的描述符λ,充分考虑了外部壳层配位效应的影响。

4. 描述符的流程图以及在其它体系上的普适性。

最后,为了证明λ的普适性,作者研究 C3H4O在新的催化剂模型(M1掺杂的C2N)和新分子异氟尔酮在M1@C2N和具有N缺陷的M1@h-BN上的吸附行为。结果表明,描述符λ能够很好地预测α,β-UALs的选择性吸附。

总结/展望:

在这项研究中,作者扩展了前线轨道MO理论的应用,用该理论来理解SACsα,β-UALs小分子的选择性相互作用,并将α,β-UALsHOMO/HOMO-1轨道与SACs的基本物理性质结合起来,构建出新的描述符。该描述符通过径向对称和截断函数精确地描述了SACs中单原子活性中心周围内壳层和外壳层配位环境的影响,可快速、定量地描述α,β-UALsC=O/C=C2D SACs上的选择性吸附。此外,描述符中的所有参数都是易于获得和可解释的。这项工作不仅为α,β-UALs选择性加氢到α,β-UOLs2D催化剂的设计提供了指导,也为未来构建更全面的机器学习模型提供了明确的物理量。

Cite this: Ge, B.; Wei, F.; Wan, Q.; Zhang, H.; Yuan, P.; Lin, S. Peripheral Coordination-Dependent Descriptor for Selective Interactions between Near-Frontier Molecular Orbitals and Single-Atom Catalysts. Precision Chemistry 2023, 1, 7, 429–436. https://doi.org/10.1021/prechem.3c00015.


返回列表
上一篇:下一篇: