日本东北大学李昊团队AFM：DigCat平台大数据+机器学习势函数-精准解码Sn基催化剂CO₂还原的pH敏感特性

本研究背景为开发高效CO₂还原催化剂的需求，特别是Sn基催化剂在电化学CO₂还原中的应用。研究目的是通过机器学习势函数（MLP）加速分子动力学模拟，揭示SnO2/SnS2催化剂在CO₂还原电位下的表面重构行为，并建立pH-电场耦合微动力学模型以解析pH依赖性的起源。结论显示，MLP模拟准确捕捉了表面纳米结构变化，与实验一致；pH升高（0.9→13）减弱*OCHO中间体吸附，提升甲酸形成转化频率，速率决定步骤为*OCHO→*+HCOOH，实验与理论数据高度吻合，为碱性条件下催化剂优化提供理论依据。