综述：二氧化碳电还原科学迈向技术突破：多物理场、多尺度与人工智能洞见

《Advanced Materials》：Science-Towards-Technology Breakthrough in CO2 Electroreduction: Multiphysics, Multiscale, and Artificial Intelligence Insights

　　

电化学二氧化碳还原反应（eCO₂RR）是将温室气体CO₂转化为高附加值化学品的关键技术。近年来，在材料设计、催化机制解析与电解槽优化方面已取得显著进展。然而，当前研究中“实验室科学”与“工程实践”之间仍然存在脱节。现有多数综述主要建立在“材料—结构—性能”模型之上，尚未形成融合多物理场、多尺度与人工智能（AI）的集成技术图景。本文围绕eCO₂RR的工业化目标，构建了一个从基础机制到系统工程的多尺度研究框架。内容涵盖四个核心领域：原子尺度机制解析与表征、界面微环境调控、外场辅助优化，以及AI驱动的材料设计与反应预测。通过机制—表征—优化的闭环整合，本文强调了从材料到器件、从实验到系统的整体协同策略，旨在为eCO₂RR建立系统化研究路径。本工作不仅为eCO₂RR领域提供了综合性研究蓝图，也为AI赋能催化材料开发、外场耦合性能增强以及电化学碳资源转化工程提供了方法学与策略性参考。

1 Introduction

文章首先指出，在全球能源结构深度转型与碳中和承诺持续推进的背景下，二氧化碳（CO₂）资源化利用已从单纯环境治理问题拓展为应对气候变化与构建绿色化工体系的重要支柱。电化学二氧化碳还原反应（eCO₂RR）由于能够在温和条件下将CO₂转化为高附加值含碳产物，并可与太阳能、风能等可再生电力系统高度耦合，因此在众多碳转化路径中表现出独特优势。文章系统回顾了该领域在催化剂开发、电解槽工程、界面调控与机制研究方面的快速进展，包括单原子、合金、二维材料、缺陷调控体系以及气体扩散电极（GDE）、流动池、膜电极组件（MEA）等反应工程平台的引入。

随后，作者强调当前研究仍存在从实验室到工程应用的关键断层。eCO₂RR本质上是一个多步、多竞争反应并存的复杂电催化体系，其性能不仅取决于催化剂本身，还受到电极结构、电解质组成、界面微环境与外部物理场等多因素耦合影响。现有研究多数仍停留在单变量优化和静态结构—性能关联层面，难以解释真实反应条件下活性中心动态演化、局域环境变化与工业条件下高电流密度运行的复杂行为。基于此，作者提出应将传统“材料—结构—性能”范式扩展为以科学机制为核心、以跨尺度建模为框架、以信息科学为加速器、以系统工程为验证基础的综合研究框架。

2 Revealing Catalytic Mechanisms at Atomic/Molecular Levels

本部分围绕原子/分子尺度下eCO₂RR催化机制展开，核心问题在于阐明催化剂初始结构如何在工作电位下演化为具有独特电子态与吸附特征的“动态反应界面”，并据此决定反应路径与产物选择性。作者将该部分组织为两个互补维度：其一是催化剂从本征作用、动态重构到最终失活的全生命周期机制；其二是原位/准原位表征技术如何重塑对这些过程的认识。

2.1 Mechanism of Catalyst Action and Deactivation Process

作者首先总结了催化剂的本征作用，即降低关键反应步骤能垒、稳定目标中间体并引导产物分支。CO₂初始活化依赖于催化位点向其最低未占据分子轨道注入电子并稳定弯曲或极化的*CO₂^?中间体。随后，*COOH与*OCHO的形成决定CO或甲酸（HCOOH）路径，而*CO的进一步转化则关联C₁产物加氢与C—C偶联生成C₂₊产物。协同质子—电子转移（CPET）被认为是另一关键控制因素，其速率匹配直接影响C₁/C₂分布。

在催化剂动态演化方面，文章指出真实活性相往往并非初始结构，而是在反应过程中由电化学驱动、界面化学驱动以及物理因素驱动共同形成。典型现象包括氧化物还原为金属态、单原子位点部分解配位形成低配位中心、气泡冲击引发颗粒迁移与聚集等。短时尺度内这些演化可能生成高活性的亚稳态位点，但若无法通过界面设计或操作策略加以锁定，则长期运行中将不可逆地走向团聚、溶解或覆盖。

针对失活本质，作者将其归纳为四类核心机制：热力学驱动失活、动力学触发失活、界面阻塞失活以及多物理场协同失活。高能结构倾向于向低自由能态演化，强吸附中间体可能改变局域键合环境并诱发表面原子重排，碳酸盐/碳酸氢盐沉积会阻断三相界面传质，而高电流密度下气泡冲击、电场梯度应力与局域焦耳热还会共同促进纳米颗粒迁移与烧结。作者强调，催化剂寿命评估不应仅依据单一失活半衰期，而需建立跨原子、界面与器件尺度的统一演化图景。

2.2 The Role of In Situ/Quasi-In-Situ Characterization in eCO₂RR

作者指出，理解eCO₂RR真实机制的关键，在于是否能够在工作电位下实时捕捉催化剂结构、电子态、配位环境以及界面中间体的瞬态变化。传统后表征只能给出反应前后的静态快照，难以识别工作状态下短寿命活性物种，因此原位/准原位技术成为机制研究的核心工具。

2.2.1 Visualization of Structural Evolution

在结构可视化方面，文章系统梳理了原位透射电子显微镜（TEM）、原位原子力显微镜（AFM）/扫描隧道显微镜（STM）以及原位X射线衍射（XRD）的互补作用。TEM可在纳米至原子尺度直接观测颗粒溶解—再成核、晶相转变、无定形层形成与流动等行为；AFM/STM更擅长解析表面台阶、边缘与吸附层的原子级重构；XRD则从统计平均角度追踪相变、择优取向和应变演化。这些技术共同构建了从局域到整体的动态结构图谱，揭示了Cu、Pd及双金属体系在反应过程中的重构与真实活性相形成规律。

2.2.2 Electronic States and Coordination Structure Detection

在电子态与配位结构层面，作者介绍了原位X射线吸收谱（XAS）、原位/准原位X射线光电子能谱（XPS）、电子顺磁共振（EPR）以及穆斯堡尔谱（M?ssbauer spectroscopy）的应用。XAS可定量获得金属中心价态转变、局域配位重组与键长变化；XPS强调表面价态与化学环境；EPR适于捕捉含未成对电子的自由基和缺陷；穆斯堡尔谱则可精细区分Fe、Sn等活性中心的价态、局域对称性与亚稳结构。作者通过Cu基、Ni单原子、FeN₄与Sn基体系的实例说明，这些技术共同揭示了反应过程中真实活性相往往是动态生成的Cu^δ+、亚稳Sn—O—Cu或Fe(II)Pc—CO₂等结构，而非前驱体本身。

2.2.3 Interface Reaction Intermediates and Dynamic Process Tracking

围绕界面中间体识别，文章总结了原位红外（FTIR/SEIRAS）、原位拉曼、原位核磁共振（NMR）与紫外—可见吸收（UV–Vis）技术。红外技术擅长识别*COOH、*CO、*CHO、*OCCO等关键吸附物种并跟踪其随电位变化的生成与转化；拉曼技术尤其适用于揭示C—C偶联相关中间体、催化层空间分布以及局域pH与湿润状态变化；NMR可用于液相产物定量与同位素示踪；UV–Vis则补充中间自由基与电子转移信息。文章特别强调，多模态原位表征已成为前沿趋势，因为单一技术难以完整重建“结构—电子—反应路径”的三维协同演化图谱。

3 Microenvironment Regulation

文章指出，随着对催化剂本征性质认识的深化，研究界已逐渐形成共识：反应活性、选择性与稳定性不仅取决于活性位点本身，更受制于反应过程中形成的动态界面微环境。所谓微环境，是指催化剂表面或界面亚纳米至微米尺度范围内，由局域反应物浓度、电场分布、质子/电子迁移路径、水合结构及电解质行为共同构成的反应空间。作者据此从催化剂、电极与电解质三个层面系统讨论微环境调控。

3.1 Catalyst-Driven Microenvironment Self-Regulation

在催化剂驱动的微环境自调控中，作者将其分为化学/电子结构调控与表观物理结构调控两类。前者包括原子配位环境优化、缺陷工程、晶面工程、应变调控、元素掺杂、异质结构筑以及有机/聚合物表面修饰等。这些策略能够在原子尺度上重构吸附能垒与反应路径，同时在界面层面调节局域碱性、K⁺富集、*CO覆盖度和水网络，从而促进C—C偶联或稳定甲酸中间体。后者则通过孔结构、空腔层级、空间限域与壳层包覆等手段改善CO₂传质、中间体停留时间及OH^?积累，进而实现对C₂₊或甲酸路径的定向调控。作者强调，未来高性能催化剂设计将越来越依赖“电子结构—形貌结构—微环境”多尺度协同。

3.2 Electrode-Driven Microenvironment Regulation

在电极层面，文章聚焦气—液—固三相边界（TPB）的构建与稳定。化学界面调控包括引入疏水基团、π共轭分子、离聚物/聚电解质涂层及离子聚合物协同结构，以优化局域水分布、质子传输通道和*CO稳定性，并抑制析氢反应（HER）。表观物理结构调控则侧重于催化层孔道设计、贯穿式电极、仿生微结构与整体流场工程，以增强CO₂供给、缓解液泛和盐沉积、改善气泡脱附及局域湿润状态。作者指出，高效电极不应仅是催化剂载体，而应成为可主动塑造微环境与反应路径的工程单元。

3.3 Design of Electrolyte Systems and Regulation of Reaction Intermediates

在电解质体系设计部分，作者将策略概括为阳离子调控、阴离子调控、pH/缓冲体系调控以及功能添加剂调控。阳离子通过尺寸、极化率和水合能力改变双电层压缩、电场强度与中间体稳定性；非金属及有机阳离子还可通过氢键或空间效应定向调节产物分布。阴离子则主要通过竞争吸附、氢键网络重构和界面电子效应影响CO₂RR/HER竞争与关键中间体转化。pH与缓冲层策略不仅影响局域质子活度，还关系到催化相稳定性、脉冲操作下局域环境恢复及高电流密度下缓冲能力维持。功能添加剂如离子液体与聚电解质则提供了更加灵活的界面电荷、局域离子与水网络调控方式。作者认为，电解质不再只是背景介质，而是塑造选择性与稳定性的主动调控维度。

4 External Field-Assisted Regulation of eCO₂RR

本部分讨论热场、光场与磁场三类外部物理场如何作为“外源驱动”弥补静态结构设计的不足。作者认为，外场能够在不改变催化剂固有结构的情况下，跨时空尺度动态调节界面电荷分布、中间体稳定性、局域溶剂结构与传质行为，从而开辟新的反应控制自由度。

4.1 Thermal Field-Assisted eCO₂RR

热场主要通过改变温度及温度梯度来调控吸附自由能、反应动力学、界面水结构与离子迁移行为。文章指出，低温可增强*CO覆盖并抑制HER，推动Cu体系由乙烯向乙醇选择性转变；中等温区存在有利于C₂₊生成的最佳窗口；而过高温度可能导致活性位重构与副反应增强。作者还讨论了Ni体系中温度与积碳行为的耦合，以及原子精确Au簇在升温时因界面水氢键网络扰动而出现活性提升后再失活的现象。在工程层面，非等温MEA操作通过Soret效应调节K⁺迁移、抑制盐析并提高能效，被视为热场工程化的重要方向。

4.2 Light Field-Assisted eCO₂RR

光场调控主要体现为局域表面等离激元共振（LSPR）产生的热电子效应与光热效应、光敏基团延长载流子寿命、缺陷/构象工程诱导的产物路径切换，以及与手性自旋效应耦合带来的新调控自由度。银基等离激元体系表明，光照可提高CO生成速率并通过波长与强度调节CO/H₂比值；有机框架与金属卟啉体系则说明，光场可借助长寿命激发态降低*COOH形成能垒，显著提升CO选择性。进一步地，含硫空位体系实现了CH₄与CO产物的一键切换，而可光开关分子引入COF后还可在含氧CO₂源条件下通过构象变化抑制氧还原反应竞争。作者据此认为，光场正推动催化研究从“结构—性能”走向“外场—量子态—反应路径”耦合的新范式。

4.3 Magnetic Field-Assisted eCO₂RR

磁场辅助策略兼具微观电子态调控与宏观传质强化功能。在微观层面，磁场可提高金属中心原子磁矩、改变d轨道自旋状态、缩短金属—配体键长，从而增强CO₂吸附活化并降低速率决定步骤自由能；在纳米磁性颗粒中，磁场还可通过消除磁畴壁增强电子传输并稳定关键中间体。对于非铁磁单原子体系，作者展示了螺旋碳纳米管负载Cu—N₂O₂位点在外磁场下通过高自旋状态与阴离子富集微环境协同提升甲酸选择性的案例。在宏观层面，磁流体动力学（MHD）效应可借助洛伦兹力驱动局域对流，减弱浓差极化并改善CO₂RR相对HER的竞争格局。作者认为，磁场的独特价值在于同时贯通“电子—结构—传质”多层级过程。

5 Application of Artificial Intelligence in eCO₂RR

作者指出，传统密度泛函理论（DFT）与分子动力学（MD）已为理解CO₂RR吸附、活化、界面溶剂化与C—C偶联提供坚实基础，但随着系统复杂度提升，仅依赖第一性原理方法已难以兼顾尺度、精度与效率。人工智能（AI）与机器学习（ML）的引入，使得高通量筛选、复杂路径预测以及动态微环境建模成为可能。

5.1 Application of DFT and MD in eCO₂RR Mechanism Analysis

文章首先回顾了DFT、恒电位计算、从头算分子动力学（AIMD）等在解析桥式吸附、应变调控、电位依赖K⁺分布、界面离子特异吸附及C₃₊链增长机理方面的作用。这些方法揭示了局域电场、溶剂结构和离子重新分布如何与中间体吸附共同决定关键能垒与反应选择性，同时也暴露出传统理论在真实复杂界面适用性方面的局限。

5.2 AI-Based Catalyst Screening and Design

在催化剂筛选与设计方面，作者总结了主动学习、高通量虚拟筛选、图神经网络（GNN）、生成模型与知识图谱等AI工具的应用。AI可在庞大化学空间中快速预测吸附能与选择性，识别最优Cu基合金、单原子催化剂和多金属表面，并通过逆向设计生成满足目标性能的候选材料。知识图谱方法还能从大量文献中提取材料组成、调控策略、电解质、产物与法拉第效率之间的统计规律，为实验设计提供经验规律支持。作者认为，AI已从单纯加速计算转向兼具知识组织与模式发现能力的研究引擎。

5.3 AI-Driven Intelligent Prediction and Optimization of Reaction Pathways

在反应路径预测方面，机器学习被用于在多步、多中间体竞争网络中快速识别最有利的C—C与C—C—C偶联路径。通过大规模DFT数据与实验数据融合，研究者得以从表面氧化态、掺杂元素、偶联中间体类型和氢化程度等变量中提炼出支配C₂₊乃至C₃产物形成的关键规律。作者强调，这种方法突破了仅依赖火山图和单一吸附能描述复杂选择性的限制，为高碳产物定向催化剂设计提供了系统框架。

5.4 AI-Assisted Exploration of eCO₂RR Dynamic Microenvironments

作者进一步指出，AI在动态微环境探索中的价值日益突出。通过结合光谱特征、电场强度、pH响应、催化剂表面重构轨迹及线性扫描伏安（LSV）数据，AI模型能够建立微观吸附、电子结构与宏观性能之间的高维映射。例如，可利用卷积神经网络（CNN）从红外/拉曼信号反演电场影响，用神经网络势（NNP）模拟氧化物衍生Cu在不同pH、电位和比表面积下的还原演化，并通过可解释人工智能（XAI）从LSV曲线中诊断催化剂失活机制。文章同时展望了AI在外场辅助微环境预测中的前景，认为其有望通过多模态数据学习揭示光、热、磁与压力场作用下的隐含耦合规律。

6 Perspectives and Suggestions

在展望部分，作者将eCO₂RR从实验室走向工业化的路径概括为H型池、GDE与MEA三个层级平台的逐级推进。H型池适合基础机制研究，但其溶解CO₂供给、缓慢pH变化与近等温环境与工业条件差异显著；GDE引入高通量气相供给后，局域pH、电位分布、气泡行为与表面重构均呈强动态特征；MEA进一步将问题上升到膜—电极界面稳定性、热管理、盐沉积、孔结构压实与长时运行协调。作者特别强调，工业化不只是性能放大，更是界面科学、反应工程、热管理、膜技术与智能控制的系统集成问题。

在建议部分，文章从学科发展高度提出未来关键挑战：首先，必须突破活性、选择性与稳定性三者之间的内在张力，发展可动态自平衡的催化体系；其次，应从稳态思维转向非平衡动态调控，构建具有自适应、自反馈甚至自修复能力的界面系统；再次，高选择性C₂₊产物合成仍是核心瓶颈，未来应依赖多功能位点、动态外场与微环境三者协同；同时，表征技术需走向多模态、强关联原位平台，实现对中间体、价态、离子分布与形貌演化的同步追踪；理论与计算则需从理想化真空表面模型迈向显式溶剂、多物理耦合与AI辅助的真实界面建模。作者最终指出，未来的CO₂RR研究不再是单一维度的性能优化，而是一个跨尺度、跨学科、跨系统的综合集成命题，只有在材料、界面、器件、数据与工程之间形成闭环协同，CO₂RR才可能真正成为支撑碳循环经济与绿色能源转型的关键枢纽技术。