由于大多数单原子催化剂(SACs)提供的平均配位信息,SACs的结构–性能关系一直不够明确。其中,周期性排列的单原子可能为解决这种不准确性提供一个平台。
2025年4月17日,新加坡南洋理工大学范红金、海南大学刘一蒲在国际知名期刊Nature Communications发表题为《Data-driven discovery of biaxially strained single atoms array for hydrogen production》的研究论文。
在本文中,作者通过结合高通量密度泛函理论(DFT)计算和机器学习(ML),开发了一种数据驱动的方法,基于一个包含1248个位点库(这些位点来自锚定在双轴应变过渡金属二硫族化合物上的单原子阵列)来筛选候选材料。
筛选结果表明,金原子通过Au-Se3键锚定在双轴应变的二硒化钼(MoSe2)表面。机器学习分析通过分类ΔGH*数据,识别出四个关键结构特征。
研究发现,吸附位点的平均带中心可以作为氢吸附能量的预测因子。这一预测通过实验得到了验证,结果表明锚定在双轴应变的二硒化钼上的单原子金阵列在800 mA cm-2的条件下,对酸性析氢反应(HER)具有1000 h的稳定性。
此外,本研究还揭示了由金原子阵列及其邻近的硒原子组成的活性热点,用于增强活性。

图1:单原子Au-bMoSe2的结构表征

图2:酸性析氢反应(HER)的电化学性能

图3:原位拉曼光谱和DFT计算揭示的析氢反应机制
Zhang, T., Ye, Q., Liu, Y.et al. Data-driven discovery of biaxially strained single atoms array for hydrogen production. Nat. Commun., (2025). https://doi.org/10.1038/s41467-025-59053-1.