收藏本站
收藏 | 论文排版

CO_2电还原的理论计算研究

吴念  
【摘要】:当代社会面临两大全球性问题即化石能源枯竭面临的能源危机和以CO_2为主的温室气体排放过量导致的环境问题。如果能实现CO_2转化为碳氢化合物将能同时缓解这两个问题,电化学就是极有前景的途径之一,其反应条件温和,一般可发在常温常压下,同时具有可控性,可以通过改变电势调节CO_2还原产物的分布。现已发现,Cu能通过电化学方法直接转化CO_2为碳氢产物,但存在高的过电势(1 V vs RHE)和严重的析氢反应,以及选择性问题。而且暂时也只有极少数的非铜催化剂可以电化学转化CO_2为碳氢化合物,因此现阶段阻碍CO_2转化为碳氢化合物工业化应用的瓶颈仍然是高效的催化剂。围绕寻找合适的CO_2还原催化剂这一目标,本论文基于DFT计算和机器学习方法,主要从催化剂和化学场环境两方面展开研究。前者研究内容包含CO_2在金属表面的催化机理,基于催化机理的认识考察尺寸效应和合金效应,以及选择合适材料性质描述符来构建高通量筛选CO_2还原催化剂模型。后者研究内容则着眼催化剂周围的环境,即活化CO_2的化学场,通过对一系列官能团在不同空间距离和电场强度的考察,提供了全新的CO_2活化思路。具体内容列出如下:催化剂部分,首先通过研究CO_2转化为碳氢产物的过程中相关的26种中间体,其在Cu(111),Cu(100),Cu(211)三个晶面上的吸附性质以及生成各种中间体对应的反应吉布斯自由能,我们描绘了金属电催化CO_2还原反应的大致图景。总结了在CO_2还原过程中,带有相同中心原子的AH_X(A代表O和C)分子间的吸附能存在的线度关系。解析了生成CH_4和C_2H_4等产物的可能路径,发现*CO→*CHO(*COH)和CO_2→*COOH两个基元步骤在0V电势下吉布斯自由能?G0,其他步骤均是?G0,因此这两个步骤将决定反应所需的外加电势。同时通过对比在其他金属表面上CO_2→*COOH→*CO→*CHO(*COH)过程的吉布斯自由能图,归纳出决定了CO_2转化产物分布的三个重要因素:1)CO吸附能强度定性决定该催化剂能否产生碳氢化合物,2)*CO→*CHO(*COH)和CO_2→*COOH两个基元步骤将定量决定反应所需的外加电势,3)*H吸附能则决定H_2析出反应。然后,基于前面总结的对CO_2还原过程的重要认识,考察了尺寸效应和合金效应。对于前者,从几何结构和电子结构角度,分析了由13,55,147,309个原子组成的Cu团簇(尺寸最大为2 nm)的尺寸效应,同时考察了*COOH,*CO,*CHO,*COH和*H在其顶位的吸附性质,并通过电荷密度差图分析尺寸对CO吸附对Cu电子密度扰动的影响。对于后者,我们考察了48种Au和Ag合金表面CO_2的催化性能,以上述三个重要因素作为判断依据,最后筛选出Au/Pt/Au(111),Au/Rh/Au(111)和Au/Ni/Au(111)三个催化剂,有潜能在相较于Cu更低的电势,更弱的氢析出竞争反应下实现高效催化CO_2转化为碳氢产物。最后,基于CO吸附能强度定性决定催化剂能否产生碳氢化合物这一认识,以CO吸附能作为CO_2还原性能的初步筛选条件。我们通过DFT方法搜集了106种合金表面的态密度及其对应的*CO的吸附能作为训练数据集,尝试使用机器学习方法定量关联d带的性质与CO吸附能,以期构建准确且稳定的*CO吸附能预测模型。完整的d带表现出最好的预测准确度RMSE为0.19 eV,以此为参考,考察了使用LASSO方法提取的重要特征,与态密度曲线特征如d带中心,偏度和峰度结合对预测模型的影响,结果表明适当降低描述符的维度也可以保证较高的模型预测准确度。化学场部分,将关注点从催化剂本身转移到催化剂周围的环境上,我们借助DFT计算考察了在Cu(111)表面不同电场强度下,不同高度悬挂的CH_3NH_2分子构建的化学场对CO_2活化的效应。结果表明仅在电场强度大于0.4 V/?,CH_3NH_2高度约为6.0?时,CO_2分子发生显著的化学弯曲,说明了电场与官能团NH_2对CO_2活化的强耦合效应。结合电荷密度差和态密度图,进一步解析了各个片段间的电荷转移和轨道耦合情况。此外,在电场强度0.6 V/?,悬挂高度约为6.0?条件下,考察其它化学官能团如卤素,羧基,硝基,膦基,羟基,巯基等以及不同基质如Ag和Au对CO_2活化的影响。这部分工作为在实验上精准设计活化CO_2的化学场环境提供了系统地理论指导。紧接着,我们发现羟基的存在可以改变催化CO_2的化学场,正好可作为化学场理论在实际中的应用例子。电化学测试发现以Ag为电极,在TBABF_4/MeCN乙腈溶液中,添加1-丁基-3-甲基咪唑四氟硼酸盐离子液体(BIL)或其羟基化离子液体1-丁醇-3-甲基咪唑四氟硼酸盐离子液体(POHIL),POHIL表现出明显高于BIL的CO_2催化活性,电流密度为其两倍。结合DFT计算,阐明了羟基化离子液体POHIL的高活性来自羟基作为中间体提供了六元环质子传递方式,相较于传统的四元环质子传递方式,使得咪唑C上的H能更以更低的活化能,传递给CO_2。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 刘玉琳;;基于机器学习的金融投资应用分析[J];数字技术与应用;2021年11期
2 高焕堂;;学贯中西(2):认识AI的记忆(背诵)技能[J];电子产品世界;2021年12期
3 宋可可;钱萍;;机器学习势及其融入的物理模型在计算材料科学中的应用[J];中国冶金教育;2021年06期
4 杨光;陈亚睿;;机器学习案例化教学方法研究[J];电脑与电信;2021年11期
5 凌云志;杨琳;;紧跟科技前沿 提升应急效能——谈“机器学习”在应急领域的应用[J];城市与减灾;2020年05期
6 王泰然;李健聪;舒武;胡素磊;欧阳润海;李微雪;;基于机器学习的合金催化剂表面吸附能预测(英文)[J];Chinese Journal of Chemical Physics;2020年06期
7 本刊讯;;新的机器学习工具可追踪城市交通拥堵[J];数据分析与知识发现;2020年12期
8 王伟宾;;面向大数据环境的大规模机器学习工具研究综述[J];软件导刊;2021年01期
9 王蕴韬;;通信系统优化对分布式机器学习系统性能提升的分析[J];信息通信技术与政策;2021年03期
10 肖畅;吕立华;;全栈式机器学习在钢铁流程智能制造中的应用[J];宝钢技术;2021年02期
11 韦大欢;苏霞;;试析神经网络系统的机器学习过程[J];电脑编程技巧与维护;2021年04期
12 董春利;王莉;;基于机器学习的切换管理和模型浅析[J];电子测试;2021年09期
13 C.J.Abate;禾沐;;机器学习的未来——Daniel Situnayake访谈[J];单片机与嵌入式系统应用;2021年06期
14 赵哲园;;基于人工智能技术的机器学习研究分析[J];电子元器件与信息技术;2021年03期
15 詹东平;;近期热点文章[J];电化学;2021年03期
16 顾凡;;企业成功应用机器学习的四点建议[J];软件和集成电路;2021年07期
17 ;如何通过机器学习挖掘实际业务价值?[J];软件和集成电路;2021年06期
18 潘夏福;;机器学习的数学理论及其算法研究——评《机器学习的数学理论》[J];科技管理研究;2021年15期
19 邓东灵;;机器学习与物理专题编者按[J];物理学报;2021年14期
中国重要会议论文全文数据库 前20条
1 赵帅;黄晓婷;;依然在路上:教学人工智能的发展与局限[A];中国教育财政政策咨询报告(2019—2021)[C];2022年
2 张旭东;;面向宽口径的机器学习课程和教材建设探索和实践[A];第十五届全国信号和智能信息处理与应用学术会议论文集[C];2022年
3 于海东;邢明;;基于机器学习多模型的SSL加密威胁检测技术研究和应用[A];2021年国家网络安全宣传周“网络安全产业发展论坛”论文集[C];2021年
4 陆烨玮;;基于机器学习的结核分枝杆菌耐药性分析方法[A];中国防痨协会第33届全国学术大会暨中国防痨科技奖颁奖大会论文汇编[C];2021年
5 吴超;陈景文;傅志强;吴思甜;苏利浩;;基于机器学习的化学品致癌性预测模型[A];人工智能与人类健康论文摘要集[C];2021年
6 Jonny Bentwood;;营销中的AI应用与未来发展[A];清研智库系列研究报告(2020年第5期)[C];2020年
7 夏振华;郭先文;陈十一;;关于机器学习RANS建模的一些思考[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
8 王子敬;吴晓妍;宋诚谦;秦丰华;罗喜胜;;基于GPU并行和机器学习的气固相互作用研究[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
9 彭俊;胡宗民;姜宗林;;基于机器学习预测激波相互作用位置的研究[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
10 赖力鹏;;机器学习与计算化学方法在小分子药物筛选与开发中的应用实践(英文)[A];2019中国化学会第十五届全国计算(机)化学学术会议论文集[C];2019年
11 沈超;侯廷军;;基于人工智能技术的蛋白-小分子打分方法研究[A];2019中国化学会第十五届全国计算(机)化学学术会议论文集[C];2019年
12 张伟;;一种用于流动模拟及建模的机器学习方法[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
13 无奇;尹杰茜;余晨;王海明;洪伟;;机器学习辅助的多目标天线优化方法[A];2019年全国天线年会论文集(下册)[C];2019年
14 倪欢欢;韩益亮;段晓巍;李喆;;机器学习中的安全和隐私问题研究进展[A];2020中国系统仿真与虚拟现实技术高层论坛论文集[C];2020年
15 周信哲;陈永娟;蒲文鹏;;机器学习在水质预测中的应用[A];2020中国环境科学学会科学技术年会论文集(第四卷)[C];2020年
16 柏晓东;张伟;;基于机器学习的湍流涡激运动[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
17 陈一;吴笛;段俐;康琦;;机器学习在BM对流研究中的应用[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
18 骆新斗;郭昊;刘沛清;;基于机器学习对低雷诺数下平板转捩模拟修正[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
19 杨学志;陆达伟;刘倩;江桂斌;;辨微识源:颗粒物的同位素指纹分析[A];中国化学会第22届全国色谱学术报告会及仪器展览会论文集(第一卷)[C];2019年
20 ;中国人工智能产业研究报告(Ⅲ) 公开版 2020年[A];艾瑞咨询系列研究报告(2020年第12期)[C];2020年
中国博士学位论文全文数据库 前20条
1 殷曦;基于机器学习及统计计算模型的膜蛋白结构预测[D];上海交通大学;2017年
2 杨静;蛋白质残基相互作用预测及其在结构建模中的应用研究[D];上海交通大学;2018年
3 韩启迪;基于非线性成矿动力系统的机器学习方法应用研究[D];中国地质大学(北京);2019年
4 薛红新;基于机器学习方法的分类与预测问题研究[D];中北大学;2019年
5 刘浏;基于机器学习的恶意代码检测与分类技术研究[D];国防科技大学;2017年
6 陈旭展;基于机器学习的智能机器人环境视觉感知方法研究[D];华中科技大学;2019年
7 吴念;CO_2电还原的理论计算研究[D];武汉大学;2019年
8 胡胜山;面向机器学习的安全外包计算研究[D];武汉大学;2019年
9 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年
10 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年
11 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年
12 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年
13 施建明;基于机器学习的产品剩余寿命预测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
14 陈再毅;机器学习中的一阶优化算法收敛性研究[D];中国科学技术大学;2018年
15 陆海进;Zr合金热动力学研究及机器学习[D];上海大学;2018年
16 戴望州;一阶逻辑领域知识与机器学习的结合研究[D];南京大学;2019年
17 符丹卉;基于MRI结构成像与静息态功能成像影像特征的机器学习法在AIDS患者中的应用研究[D];广西医科大学;2019年
18 Kashif Sultan(克希夫);5G移动通信网络中的呼叫记录分析[D];北京科技大学;2019年
19 梁霄;机器学习在量子物理学中的应用[D];中国科学技术大学;2019年
20 陈明哲;未来蜂窝网络中基于机器学习的资源管理技术研究[D];北京邮电大学;2019年
中国硕士学位论文全文数据库 前20条
1 王斌;应用机器学习算法对重症手足口病的危险因素筛选与预测[D];郑州大学;2019年
2 徐晓艳;基于机器学习的房颤识别算法研究[D];山东大学;2018年
3 曾中铭;基于机器学习的金属有机框架合成信息提取及形貌测量[D];厦门大学;2019年
4 林兵;机器学习在辐射源个体识别上的应用[D];厦门大学;2019年
5 万晓玥;基于机器学习的水域通信网安全技术研究[D];厦门大学;2019年
6 万露;强PUF抗机器学习攻击方法研究[D];湖南大学;2019年
7 徐英杰;基于机器学习的个人信用风险评估研究[D];西南财经大学;2019年
8 刘航;如何运用金融周期和经济周期改进大类资产配置?[D];厦门大学;2019年
9 李凌宇;基于机器学习方法的量化多因子选股研究[D];厦门大学;2019年
10 关松林;机器学习在疾病诊断中的应用[D];重庆大学;2019年
11 曹甜;基于机器学习的浏览器指纹异常检测模型研究[D];中南财经政法大学;2019年
12 Tahiry ANDRIAMANANTENA;机器学习和”克强指数”预测中国GDP增长[D];厦门大学;2019年
13 邱佳;量子力学辅助的机器学习算法对AIE效应的预测和理解[D];华南理工大学;2019年
14 孟圣然;基于机器学习的机械产品结构建模技术研究[D];杭州电子科技大学;2019年
15 牟多铎;基于机器学习方法的高光谱数据分类对比研究[D];长安大学;2019年
16 谭文杰;基于机器学习混凝土路面裂缝检测算法研究[D];广州大学;2019年
17 徐冠奇;基于机器学习的汽车出厂物流在线调度模型与算法研究[D];上海交通大学;2018年
18 郭志峰;基于机器学习的居民电力消费特征研究[D];合肥工业大学;2019年
19 鲁俊良;基于机器学习的智能电网虚假数据攻击检测研究[D];华北电力大学(北京);2019年
20 胡梓民;基于机器学习的复杂电力设备故障诊断模型研究[D];华北电力大学(北京);2019年
中国重要报纸全文数据库 前20条
1 记者 张梦然;机器学习可预测未上市新型人造毒品[N];科技日报;2021年
2 本报记者 蔡姝雯;机器学习实现“大海捞针”[N];新华日报;2021年
3 记者 张梦然;机器学习成功模拟并预报流感传播[N];科技日报;2021年
4 记者 赵汉斌 通讯员 陈艳;机器学习可预测日冕全日面软X射线辐射分布[N];科技日报;2021年
5 采访人 本报记者 卢健;“中间三天”问题 最对机器学习“胃口”[N];中国气象报;2020年
6 ;你也可以体验的机器学习[N];电脑报;2020年
7 记者 张梦然;机器学习诞生新型“研究员”[N];科技日报;2020年
8 记者 刘霞;机器学习发现数百种潜在新冠药物[N];科技日报;2020年
9 InfoWorld网站特约编辑兼评论员 Martin Heller 编译 陈琳华;如何选择云机器学习平台[N];计算机世界;2020年
10 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年
11 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花?[N];科技日报;2019年
12 记者 张梦然;全新算法助机器学习抵抗干扰[N];科技日报;2019年
13 赵熙熙;机器学习有望找到致命病毒宿主[N];中国科学报;2018年
14 本报记者 马爱平;联邦学习或可破解机器学习数据获取难题[N];科技日报;2019年
15 微纳电子系;微纳电子系任天令团队在机器学习器件上取得突破[N];新清华;2018年
16 本报记者 杨博;苹果呼吁放宽自动驾驶测试限制[N];中国证券报;2016年
17 ;大数据未来十大发展趋势[N];中国信息化周报;2016年
18 ;机器学习是否等同于人工智能[N];中国信息化周报;2016年
19 本报记者 何晓亮;工具开放:开启人工智能“全民时代”[N];科技日报;2016年
20 本报记者 李致鸿;人工智能会改变一切[N];21世纪经济报道;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978