能带理论通过揭示材料的电子结构特征,为催化剂设计与性能优化提供了量子层面的指导。在光催化体系中,能带结构(价带顶与导带底位置)直接决定氧化还原电位。电催化领域则聚焦d带中心理论,通过调节金属催化剂电子态密度优化吸附能。
能带理论通过揭示材料电子结构的量子特性,为催化剂设计提供了“电子密码本”。以下是其在催化研究中的关键应用场景及典型案例。
四大核心策略

催化体系中的应用
光催化体系
能带匹配原则:导带底需高于H₂O/H₂电位(-0.41V vs NHE),价带顶需低于H₂O/O₂电位(+0.82V)→ TiO₂改性后实现可见光驱动CO₂→CH₃OH转化。

DOI:10.1039/D2GC03226K
光催化CO₂还原示意图
利用H2O选择性光催化还原CO2制甲醇,是一种通过生产高附加值化学品实现太阳能存储的理想方案。然而,该转化过程面临巨大挑战——CO2转化为CH3OH需经历6电子转移并消耗4个质子,而CO、HCOOH和HCHO等竞争产物因所需电子/质子更少,其生成难度远低于CH3OH,导致甲醇选择性普遍偏低。
本研究创新性地提出”靶向活化H2O”策略:在不产生强氧化性自由基(如˙OH和˙O2−)的前提下提供充足质子,实现CO2高选择性光催化还原制CH3OH。我们构建了氮化碳(CN)负载硫化钴(CS)的复合光催化剂(CS/CN),证实硫化钴能显著降低水氧化半反应的过电位,促进质子生成并抑制强氧化性自由基形成。
这种定向水活化机制保障了多质子/电子与CO2持续耦合生成CHO和CH3O等关键中间体,从而高效形成CH3OH。优化后的CS/CN催化剂将CH3OH选择性从纯CN的38.6%提升至87.2%(提高2.3倍),甲醇产率从22.0 μmol g−1h−1增至97.3 μmol g−1h−1。
电催化体系
d带中心理论:金属催化剂d带中心上移0.1eV,H*吸附能降低0.15eV→ Pt₃Co合金使析氢过电位降至12mV 。

d带中心与吸附能关系图
根据上面的分析,最终吸附质O与金属表面成键的稳定性是由sp能带与2p轨道耦合,d能带与重整能带耦合两个步骤所影响的。 norskov认为,对于所有过渡金属来说,在第一步2p轨道和sp能带形成的重整轨道能量范围和形状都差不多,可以认为所有过渡金属在第一步形成的重整能带都差不多,因此第二步的d带能带起到很重要的作用,如果我们说d能带的中心决定了第二步形成的反键能带能量范围,那么d能带中心的能级高低决定了反键能带被电子填充的程度,从而决定了吸附成键的稳定性和强度,这就是d带中心理论。
单原子催化体系
配位调控:基于 Mo 的单原子催化剂 (Mo-N₄-SACs) 的氮还原反应 (NRR) 催化性能。通过改变了单原子的配位环境,即将单原子催化剂 (SACs) 的活性中心锚定于氮掺杂石墨烯的边缘或基面上。在四种 Mo- N₄-SACs 中,通过结合能 Eb f ₂吸附自由能ΔGN2 L₋NRR≈ 0;UL₋NRR L-HER四步进行筛选,Mo-ZZG 对于将 N₂还原为 NH₃表现出显著的催化活性和选择性,其限制电位 (U˪) 为−0.26 V。
在考虑溶剂化效应后,电位决定步骤仍然是 N₂→ N₂H,只是 UL 增加到了−0.42 V。除了调整金属中心的锚定位置外,调整金属活性中心的配位原子对其电催化活性也有很大影响。通过用 S 或 O 原子替换 N 原子来降低 Mo-ZZ-edge (−0.85 V) 的 NRR 限制电位,O1-ZZ-edge 的 U˪降低到了−0.58 V。电子结构分析表明 d 带顶位置越接近费米能级,对 N₂的吸附能力越强。因此,通过精确调控单原子活性位点的几何构型和配位环境,可显著提升催化剂的氮气还原反应活性。

DOI:10.1039/D4Q03239J
应用案例
动态能带工程:上海研究团队通过压电效应调控BiFeO₃能带倾斜,在机械振动下实现CO₂→CH₄转化效率达15.3μmol·g⁻¹·h⁻¹,较静态体系提升6倍 。

DOI:acssuschemeng.3c06858
全光谱响应设计:TiO2/CsPbBr3自组装S型异质结光催化CO2还原
DOI: s41467-020-18350-7
TiO
2和CsPbBr3分别是典型的氧化型和还原型半导体,而且TiO2费米能级低于CsPbBr3,两者复合理论上可以形成S型异质。静电纺丝法制备的TiO2纳米纤维由大量纳米晶组成,具有较大的比表面积和丰富的孔结构,是锚定CsPbBr3量子点的理想载体。基于此,本文报道了TiO2/CsPbBr3纳米纤维S型异质结,该异质结由TiO2纳米纤维和CsPbBr3量子点自组装而成,表现出增强的光催化CO2还原活性。
智能催化剂开发:机器学习辅助催化剂设计,天大团队开发通用且可解释的描述符。

DOI:10.1038/s41467-024-52519-8
通过电催化反应活化小分子已成为实现「碳中和」的一种有前景途径,例如O2、CO2和N2还原反应(ORR、CRR 和 NRR) 以及析氧反应 (OER)。
双原子催化剂(DAC) 是单原子催化剂 (SAC) 的延伸,由于其复杂而灵活的活性位点,特别有利于电催化。然而,催化剂设计的一个重大挑战在于开发通用描述符模型,从而准确捕捉几何结构和电子结构之间复杂的相互作用。
当前,已经报道了许多值得注意的描述符,有效地揭示了SAC 或 DAC 的结构-性能关系。然而,综合考虑其可靠性、实用性和普适性,能够统一多种反应同时解决实验和理论结果的最佳低成本描述符仍然难以捉摸。
可解释的机器学习(ML) 能够在高维系统中提炼通用描述符模型。符号回归算法是催化领域应用最广泛的可解释ML。识别通用描述符的关键在于基于物理洞察力精简的物理特征空间。
未来发展方向
超快动力学解析:时间分辨角分辨光电子能谱(TR-ARPES)可实时追踪催化过程中能带演化
量子限域效应应用:2D材料(如MXene)的量子尺寸效应可将带隙调控精度提升至0.01eV量级
拓扑催化新范式:Weyl半金属TaAs表面拓扑态增强电子传输,使CO氧化速率提升2个数量级