李焕新&Ivan Parkin教授等人CCS CHEM：机器学习辅助设计Cu-N₂单原子催化剂助力锌空气电池突破瓶颈

本文介绍了由国际联合科研团队开发的一种结合密度泛函理论（DFT）、分子动力学（MD）和机器学习（ML）的虚拟筛选方法，用于高效设计高性能氧还原反应（ORR）电催化剂。研究团队成功识别并合成了具有高活性和稳定性的Cu-N₂单原子催化剂，该催化剂在锌空气电池（ZABs）中表现出优异的电催化性能，超越了商业Pt/C催化剂。通过实验验证，Cu-N₂催化剂在苛刻条件下仍保持稳定，并展现出高功率密度和长循环寿命。这一研究为高效电催化剂的设计提供了新思路，展示了多学科交叉在能源材料研究中的巨大潜力。