机器学习引导的钨单原子促进氧氢氧化物用于无贵金属水电解

更高效地把水变成燃料

用电把水分解成氢气和氧气是储存太阳能和风能等清洁能源的最有前景方式之一。但当今最好的装置仍然浪费大量能量，且常常依赖稀有且昂贵的金属如铱。该研究展示了将人工智能与巧妙化学相结合如何发现一种更便宜、更高效的制氧材料——水分解中最困难的一半反应——使大规模绿色氢气更进一步成为可能。

为什么析氧是难点

在水分解装置中，生成氧气的反应需要额外的电压，超出简单化学预期，像一道固执的收费站消耗效率。基于铱的材料在推进该反应方面表现优异，但它们稀缺且昂贵，开采也带来环境问题。由镍、铁和钴等更常见金属组成的化合物是有力候选者，但它们的固有活性有限。科学家发现，加入微量其它元素，甚至孤立单个原子，能显著提升性能——但可能的组合几乎没有尽头，使得试错实验过于缓慢。

让机器学习替代实验室搜索

研究人员通过求助于一种强大的机器学习模型EquiformerV2来应对这一挑战，该模型经过训练以预测原子在催化剂表面的相互作用。他们向模型输入了近4000种不同设计，即将单个金属原子引入分层金属氧氢化物——这些材料已知可在碱性水分解中工作。对于每一种设计，模型迅速估算了关键反应片段的吸附强度，这本来需要耗费大量量子力学计算。通过这次虚拟筛选，脱颖而出的是一种镍—铁氧氢化物，其孤立的钨原子隐匿于表面之下，命名为W1–NiFeOOH。

制备并表征新催化剂

在计算结果的指导下，团队开发出一种快速电沉积方法，在室温下仅需几分钟就能在电极支撑上直接生长超薄的W1–NiFeOOH片层。高级显微镜显示明亮的单个钨原子分散在镍—铁晶格中，未形成较大颗粒，X射线技术确认原有晶体框架保持完整。在碱性溶液测试中，该材料在驱动析氧反应所需的过电位明显低于标准镍—铁氧氢化物，甚至优于商业铱催化剂。在使用商业膜的整套装置中，掺钨阳极在2.0伏下达到工业相关的电流密度——超过13安/平方厘米——并能稳定运行500小时以上。

隐匿的钨原子如何发挥关键作用

为了解钨为何带来如此显著的提升，团队用X射线吸收和拉曼光谱实时观测催化剂的工作状态。这些测量表明钨原子在操作过程中本身化学态几乎没有变化，意味着它们并不是直接生成氧气的位点。相反，钨微妙地重塑了片层边缘附近镍和铁原子的电子环境——反应实际上就在这些边缘发生。这种调谐使表面更容易失去质子并重排含氧基团，使材料在较低施加电压下转变为更活跃的“γ相”。计算模拟支持了这一图景，显示钨通过调整金属与氧之间的电子共享降低了关键反应步骤的能垒。

这对清洁氢气意味着什么

通过将快速机器学习搜索与细致实验相结合，该研究既带来了实用进展——一种稳健的无铱析氧催化剂——又给出了其工作机理的清晰图像。钨原子不是作为明星选手，而更像一位技艺精湛的教练，悄然提升现有镍—铁位点的能力。利用单个“促进”原子微调常见材料的策略，可能为未来众多催化剂的设计提供指南，有助于降低成本并提高将水与可再生电力转化为清洁氢燃料的装置效率。

引用: Kim, J., Kwon, I.S., Lim, J. et al. Machine-learning-guided tungsten single atoms promote oxyhydroxides for noble-metal-free water electrolysis. Nat Commun 17, 2344 (2026). https://doi.org/10.1038/s41467-026-68735-3

关键词: 水电解, 析氧反应, 单原子催化剂, 机器学习材料发现, 绿色氢气