《Synthetic Metals》：Coordination-Dependent Electromagnetic-Wave Absorption of Fe–N? Sites in ZIF-8-Derived N-Doped Carbon
编辑推荐：
•与Fe-N4-C模型相比，密度理论计算结果显示Fe-N3-C样品在费米能级附近的电子云密度明显增加，而Fe-N1-C样品的偶极矩则得到优化。•基于理论结果，通过实验验证了Fe-N3-C和Fe-N1-C样品具有更优异的微波吸收性能。在9.19GHz时，Fe-N1-C样品的最小反射
- •
与Fe-N4-C模型相比，密度理论计算结果显示Fe-N3-C样品在费米能级附近的电子云密度明显增加，而Fe-N1-C样品的偶极矩则得到优化。
- •
基于理论结果，通过实验验证了Fe-N3-C和Fe-N1-C样品具有更优异的微波吸收性能。在9.19GHz时，Fe-N1-C样品的最小反射损耗值为-16.38dB，Fe-N3-C样品的该值为-21.15dB，它们的有效吸收带宽分别为1.5GHz和1.7GHz。
- •
结合密度泛函理论计算结果与实验数据，德拜科尔-科尔曲线显示出Fe-N3-C样品存在多重极化现象，而Fe-N-C样品的极化能力最为强。
引言
现代通信系统的普及导致了电磁辐射的广泛存在，这引发了人们对于人类健康和信息安全的担忧。[1], [2], [3]因此，人们致力于开发具有强衰减能力、低密度、宽吸收带宽以及薄匹配厚度的微波吸收材料，这类材料包括碳基材料、磁性纳米颗粒、MXenes以及陶瓷材料等。[4], [5], [6], [7]多组分吸收材料能够同时利用传导损耗、极化损耗和磁损耗，从而实现较强的电磁波衰减效果。[8], [9], [10], [11]例如，膨胀石墨@α-MnO?的最低反射损耗值为-75.56dB，其有效吸收带宽为3.87GHz；而CoO/Co/CP@TCF的最低反射损耗值为-55dB，最大有效吸收带宽则为6.5GHz。[12], [13]然而，多组分材料的结构复杂性往往使得很难确定特定局部结构的贡献，也难以明确成分、结构与吸收性能之间的原子级关联。[14], [15], [16]
以高度分散的金属位点为特征的金属单原子基纳米材料在多个领域都受到了广泛关注，它们可以作为连接理论计算与实验结果的桥梁。[17], [18], [19]正如刘等人所报道的，基于铜单原子材料，人们构建了一种“恒电势混合溶剂动态模型”，用于分析反应条件下铜原子与团簇之间的可逆转化过程。[20]迄今为止，已有几种金属单原子材料被证明具有出色的微波吸收性能。[21], [22]尤其值得注意的是，掺杂不同元素（Zr、Mo、Cr、Fe和Ni）的Ti3AlC2材料的最低反射损耗值为-48dB，其有效吸收带宽为3.9GHz。而封存在分层空心微结构中的单原子锌材料的最低反射损耗值为-50.5dB，其有效吸收带宽甚至超过了5.1GHz。此外，固定在石墨烯上的Cu-N4结构能够实现“单原子铁磁性”，而固定在经氮掺杂的空心纳米立方体上的铜单原子材料的最低反射损耗值为-51.54dB，其有效吸收带宽可达4.34GHz。[24], [25]不过，目前对这些现象的解释大多停留在宏观层面，原子级协同结构对材料微波性能的影响尚未得到充分研究。
在常见的碳载体中原子级分散的Fe–N?位点为研究局部Fe–N配位环境如何影响电荷分布、介电响应以及电磁波衰减提供了理想的实验平台。在本研究中，通过密度泛函理论研究了嵌入在氮掺杂石墨烯模型中的Fe–N?、Fe–N?和Fe–N?位点的态密度、电荷重分布、偶极矩以及极化率等性质，以便在相同的碳框架下对比这些物质的特性。基于这些计算结果，研究人员制备了含有分散Fe–N?位点的ZIF-8衍生的氮掺杂碳样品，并通过实验检测了它们的电磁波吸收性能。
章节要点
结果与讨论
针对嵌入在氮掺杂石墨烯模型中的三种Fe–N?位点，研究人员计算了它们的投影态密度。如图1b和图S2所示，Fe–N?/graphene模型在费米能级附近呈现出较高且连续的电子态密度，其总态密度主要来自Fe 3d、N 2p和C 2p轨道，这表明该材料具有类金属性质，而且Fe与周围的N/C结构之间存在较强的电子耦合。相比之下，其他类型材料的态密度分布则有所不同。
结论
综上所述，通过对嵌入在氮掺杂石墨烯模型中的Fe–N?、Fe–N?和Fe–N?位点进行密度泛函理论计算，可以发现不同的Fe–N配位环境会导致态密度、电荷重分布、偶极矩以及极化率等方面出现差异。而对含有分散Fe–N?位点的ZIF-8衍生氮掺杂碳样品的实验测试表明，Fe–N?–C样品在阻抗匹配与内部介电衰减之间取得了最理想的平衡，其在11.59GHz时的最低反射损耗值为-21.15dB，而Fe–N?–C样品的相应数值则为
资金支持情况
本研究得到了湖南省自然科学基金（项目编号：2023JJ50079）以及湖南省创新人才计划（项目编号：2023RC3066）的支持。
CRediT作者贡献说明
刘玉晓：方法设计，数据整理。 陈宇超：定量分析。 黄胜祥：文章撰写与修改，实验研究，资金申请。 吴琳琳：方法设计，数据整理。 唐超：文章初稿撰写，实验研究，数据整理。 夏鹏坤：文章初稿撰写，实验研究，数据整理。 李凯：方法设计。 高晓辉：文章撰写与修改，实验研究，资金申请，数据整理。 邓连文：文章撰写与修改，研究指导。
利益冲突声明
作者们声明存在以下可能被视为利益冲突的财务利益或个人关系：黄胜祥表示自己获得了湖南省自然科学基金的资助；高晓辉则表示自己得到了湖南省创新人才计划的资金支持。其他作者则声明自己不存在任何可能构成利益冲突的财务利益或个人关系。
唐超|夏鹏坤|李凯|刘玉晓|陈宇超|黄胜祥|吴琳琳|高晓辉|邓连文
