原子级催化反应网络：以CO、NO及其组合的电化学还原为例

《Physical Chemistry Chemical Physics》：Atomistic catalytic reaction networks: case study on electrochemical reduction of CO, NO & combinations

本研究提出利用异构体生成器构建原子级催化反应网络，可系统探索多反应物、多步反应的复杂机制。通过Cu(111)表面CO电催化还原的DFT验证，对比人工假设与自动生成的中间体，证实该方法有效突破传统经验模型的局限，实现大规模反应网络的自动化解析。

　　

通过从有根据的猜测出发计算关键反应中间体，为表面上的异相催化反应建立反应路径，使研究人员能够绘制自由能图并开发出适用于反应步骤较少的小分子的机理模型。对于具有多种产物、多种反应物或大量反应步骤的反应，提出并验证反应机理极具挑战性，甚至可能是不可能的。在这项工作中，我们提出使用异构体生成器作为在催化表面上生成原子级反应网络的工具。我们展示了如何利用这一工具来彻底探索反应路径，并生成反应物可能形成的所有产物。在此基础上，我们统计了由多种CO、NO及反应物组合所产生的中间体和产物数量，从而体现了包含大量反应步骤的多反应物反应网络的复杂性。随后，我们通过密度泛函理论（DFT）模拟在Cu(111)表面上测试了一个2CO反应网络，以展示有根据的猜测与自动生成的中间体之间的差异。使用分子异构体生成器的想法使得能够超越有根据的猜测，对复杂的表面催化机理进行完整且自动化的探索。