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

本文介绍了一项国际联合科研团队在《CCS Chemistry》期刊上发表的研究，该研究通过结合密度泛函理论（DFT）、分子动力学（MD）模拟和机器学习（ML）技术，成功设计并合成了一种具有高活性和高稳定性的Cu-N2路易斯酸位点单原子催化剂。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。研究通过虚拟筛选和机器学习模型预测，确定了Cu-N2位点作为最优催化位点，并通过实验验证了其稳定性和高效性。这一成果展示了多学科交叉在能源材料研究中的巨大潜力，为高性能电催化剂的设计提供了新思路。