博士生一作！中科大Nature子刊: 机器学习算法助力催化！

对析氧反应(OER)过程中活性中心的演变进行全面的描述对于阐明催化活性的起源和推动高效催化剂的发展至关重要。由过渡金属组成的层状双氢氧化物(LDHs)由于其良好的性能、可调的化学成分和丰富的活性位点而成为优秀的OER催化剂。特别是由[NiO6]和取代[FeO6]八面体组成的NiFe LDHs，近年来受到密切关注。值得注意的是，NiFe LDH的几何结构和电子结构在外加电位下进行了自重构，与未修饰的Ni(OH)2相比，改善了OER性能。尽管如此，由于对OER条件下Ni和Fe物种之间的动态相互作用的直接了解不足，掺入的Fe原子的具体影响仍不清楚。因此，对NiFe LDH的OER相关行为的实时监测，特别关注局部配位环境的演变，有助于深入了解催化过程。

近日，️中国科学技术大学姚涛、️姜政和️曹林林等利用原位电催化拟合ED-XAFS、机器学习和理论计算，揭示了OER过程中NiFe LDH的去质子化，并阐明了掺入Fe在促进NiFe LDH向活性氢氧化物演化中的作用。博士研究生吴丹为第一作者。结果表明，与初始的Ni2+-OH-Ni2+不同，Fe取代导致形成位于[NiO6]和[FeO6]八面体之间的特定桥联Ni2+-OH-Fe3+基团，并且使得优先从桥联OHNi-O-Fe基团中去除质子。这种优先去质子化行为导致了[Ni/FeO6]八面体的显著结构畸变，同时增强了高价态Ni3+δ (0<δ<1)物种的积累。

此外，理论计算表明，相比于NiOOH，Ni(Fe)OOH中的Ni d带中心下降，并具有较低的*O结合能，只需要0.39 V的理论过电位来克服电位决定步骤(PDS)的能垒，这意味着Fe的引入通过削弱*O的结合亲和力来提高OER活性。因此，可以描述NiFe LDH的碱性OER性能增强机制可以描述为：OHNi-O-Fe基团更容易的去质子化过程促进了NiFe LDH到Ni(Fe)OOH的动态演变，形成的高价态Ni3+δ (0<δ<1)作为活性位点加速OER反应产生O2。综上，这项工作提供了一种研究动态结构演化的先进的时间分辨技术，克服了延长采集时间的局限性，提高了对OER机制的深入理解。Time-resolved spectroscopy uncovers deprotonation-induced reconstruction in oxygen-evolution NiFe-based (oxy)hydroxides. Nature Communications, 2025. DOI: 10.1038/s41467-025-56070-y

姚涛，现为中国科学技术大学核科学技术学院、国家同步辐射实验室教授，博士生导师，核科学技术学院副院长。于2011获中国科学技术大学博士学位。2014年获得“国家优秀青年科学基金”资助，2025年获得“国家杰出青年科学基金”资助，2021获国家重点研发计划首席科学家。长期致力于依托同步辐射大科学设施，发展新型原位时间分辨同步辐射谱学实验技术和数据分析平台，解决能源材料的精准调控和复杂机制的前沿科学问题。已在Nature、Nat. Catal.、Nat. Commun.等期刊发表SCI论文150余篇，其中30篇高被引论文，论文总计被他引1万余次。曾获安徽省首届优秀青年科技人才、中国科学院优秀博士论文、中国科学院青年创新促进会优秀会员、科睿唯安2019-2025年度高被引科学家。