Die globale Klimakrise, ausgelöst durch die Erschöpfung fossiler Brennstoffe und den Anstieg des atmosphärischen CO22 hat den Bedarf an nachhaltigen Energielösungen verstärkt. Darunter das elektrochemische CO2 Reduktionsreaktion (CO2RR), insbesondere wenn es mit erneuerbaren Energiequellen integriert wird, hat sich als vielversprechender Ansatz erwiesen. Dieser Prozess reduziert nicht nur CO2 Emissionen, sondern geht auch die Herausforderungen der Energiespeicherung durch die Umwandlung von CO an2 in hochwertige, CO2-neutrale Kraftstoffe. Eines der herausragenden Produkte von CO2RR ist Ameisensäure (HCOOH), die wegen ihrer Vielseitigkeit in Branchen wie Gerberei, Textil und Pharmazeutik sowie ihrer Rolle als flüssiges Wasserstoffspeichermedium mit hoher Energiedichte geschätzt wird.
„Ameisensäure ist eine unverzichtbare Chemikalie in verschiedenen Branchen und ihr Potenzial als Wasserstoffträger macht sie zu einer entscheidenden Komponente für eine nachhaltige Energiezukunft“, sagte Xue Jia, Assistenzprofessor am Advanced Institute for Materials Research (WPI-AIMR) der Tohoku-Universität. . Aktuelle technisch-ökonomische Analysen haben auch die Praktikabilität und wirtschaftliche Machbarkeit der Synthese von Ameisensäure durch CO hervorgehoben2RR und betont seine Anpassungsfähigkeit für zukünftige industrielle Anwendungen.
Um die Entwicklung effizienter CO2RR-Katalysatoren voranzutreiben, führten Jia und ihre Kollegen eine umfassende Studie durch und analysierten über 2.300 experimentelle Berichte aus dem letzten Jahrzehnt. Ihre Ergebnisse unterstrichen die überlegene Aktivität und Selektivität von Katalysatoren auf Zinnbasis wie Sn-N4−C-Einzelatomkatalysatoren (SAC) und mehratomiges Sn für die HCOOH-Produktion. Diese Katalysatoren übertrafen durchweg andere, darunter Metall-Stickstoff-Kohlenstoff-Katalysatoren (M-N-C) und verschiedene Metalle, hinsichtlich der Ameisensäure-Faraday-Effizienz (FE).
Ein wesentlicher Aspekt der Studie war der Einfluss des pH-Werts auf die Katalysatorleistung. Die Analyse des Teams ergab, dass die Selektivität und Aktivität der HCOOH-Produktion mit dem pH-Wert zunimmt, wie bei Katalysatoren wie SnO gezeigt wurde2 und Bi0,1Sn. Herkömmliche theoretische Modelle, die pH-abhängige Energiekorrekturen als Konstanten behandeln, konnten die Aktivität auf der Skala der reversiblen Wasserstoffelektrode (RHE) jedoch nicht genau vorhersagen.
„Durch die Einbeziehung elektrischer Feldeffekte und pH-abhängiger freier Energieformulierungen konnten wir die Selektivität und Aktivität von Katalysatoren unter tatsächlichen Arbeitsbedingungen analysieren, was einen bedeutenden Fortschritt darstellt“, erklärte Hao Li, außerordentlicher Professor am WPI-AIMR. Dieser fortschrittliche Modellierungsansatz lieferte entscheidende Einblicke in den Reaktionsmechanismus und ermöglichte ein tieferes Verständnis des pH-abhängigen Verhaltens von Sn-basierten Katalysatoren.
Die Studie befasste sich auch mit einer seit langem bestehenden Herausforderung: dem Verständnis, wie sich die strukturellen Unterschiede zwischen einatomigen und mehratomigen Sn-Katalysatoren auf deren Leistung auswirken. Das Team entdeckte, dass Sn-N4−C SAC weist einen einzähnigen Adsorptionsmodus auf, während mehratomiges Sn einen zweizähnigen Adsorptionsmodus annimmt. Diese unterschiedlichen Adsorptionsmodi führen zu entgegengesetzten Dipolmomenten für das Zwischenprodukt OCHO, was die Aktivität und Selektivität der Katalysatoren für CO erheblich beeinflusst2RR.
„Diese strukturelle Empfindlichkeit, kombiniert mit pH-abhängiger Modellierung, hat zu einem umfassenden Verständnis von Sn-basierten Katalysatoren geführt und unsere Vorhersagen mit experimentellen Beobachtungen in Einklang gebracht“, sagte Linda Zhang, Assistenzprofessorin am Frontier Research Institute for Interdisciplinary Sciences (FRIS) der Tohoku-Universität. Die Forschung unterstreicht die Bedeutung der Berücksichtigung struktureller und kinetischer Faktoren über herkömmliche thermodynamische Modelle hinaus für ein präzises Katalysatordesign.
Die Implikationen dieser Arbeit gehen über CO hinaus2RR. Durch den Einsatz fortschrittlicher Rechentechniken wie Dichtefunktionaltheorie (DFT) und Kraftfelder des maschinellen Lernens (MLFF) demonstrierten die Forscher das Potenzial der maßgeschneiderten Katalysatoren für bestimmte Reaktionsbedingungen. Es wird erwartet, dass dieser Ansatz die Entwicklung von Hochleistungssystemen für eine Reihe elektrokatalytischer Prozesse vorantreibt.
„Präzise Modellierung und fortschrittliche Rechentechniken ermöglichen es uns, Katalysatoren zu entwickeln, die auf spezifische Reaktionsbedingungen zugeschnitten sind, und so den Weg für effizienteres CO ebnen.“2 Reduktionstechnologien“, fügt Li hinzu. Die Integration experimenteller und theoretischer Perspektiven in der Studie stellt einen bedeutenden Schritt zur Bewältigung der Klimaherausforderungen durch innovatives Katalysatordesign dar.
Die Ergebnisse wurden in der Zeitschrift veröffentlicht Angewandte Chemie Internationale AusgabeDie Autoren danken dem Unterstützungsprogramm der Tohoku-Universität für die Übernahme der Artikelbearbeitungsgebühr.
