确定单原子M–N–C催化剂上过硫酸盐活化的关键因素：密度泛函理论与机器学习相结合的研究

本文研究了单原子M–N–C催化剂在过硫酸盐(PMS)活化中的应用，通过结合密度泛函理论(DFT)和机器学习(ML)技术，探讨了PMS活化的内在因素。研究选定了三种石墨烯负载的单原子催化剂，利用d带理论描述了PMS的吸附能与催化剂电子性质之间的相关性，并建立了基于少样本学习算法的ML模型来预测催化性能。研究结果表明，V@N4、Cr@N4和Hf@N3C1是活化PMS的最佳候选者。此外，研究提出了一种新的本征描述符，可以有效预测未知催化剂的性能，为未来开发高效催化剂提供了理论依据和定量指导。