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

本研究背景聚焦于Sn基催化剂在CO₂还原反应中的性能优化问题，传统方法难以精准解析其pH敏感特性。研究目的旨在通过机器学习势函数加速分子动力学模拟，结合pH-电场耦合模型，揭示SnO₂/SnS₂催化剂的表面重构机制和pH依赖性起源。研究结论表明：机器学习势函数成功模拟出表面纳米棒结构和粗糙化现象，发现配位不饱和位点增加；pH升高（0.9→13）会减弱*OCHO中间体吸附，提升甲酸生成效率，使火山图左移；实验与模拟的转化频率高度吻合，证实*OCHO→*+HCOOH为速率限制步骤，为碱性条件下催化剂设计提供了理论范式。