二维材料光催化水分解的机器学习辅助计算筛选研究

作者及发表信息
本研究由Yatong Wang（荷兰基础能源研究所DIFFER及埃因霍温理工大学）、Murat Cihan Sorkun（DIFFER）、Geert Brocks（埃因霍温理工大学及特文特大学）和Süleyman Er（DIFFER，通讯作者）合作完成，发表于*J. Phys. Chem. Lett.*期刊2024年5月1日第15卷，页码4983-4991。研究通过机器学习（ML）与第一性原理计算相结合，从虚拟二维材料数据库（V2DB）中筛选出11种潜在的高效光催化水分解材料。

学术背景
光催化水分解是可持续制氢的关键技术，但传统催化剂效率受限于材料性能。二维（2D）材料因其高比表面积、短载流子迁移距离和优异的光吸收特性成为研究热点。然而，现有研究依赖碎片化实验，难以系统优化材料组成与电子结构。本研究提出一种“漏斗式”筛选策略，结合ML预测与多尺度计算，旨在高效发掘新型2D光催化剂，满足带隙（1.23–3 eV）和能带边缘（需跨越水氧化还原电位）的严格条件。

研究流程与方法
1. 初始ML筛选
- 数据来源：基于V2DB数据库的316,505种虚拟2D材料，包含ML预测的PBE和G0W0能级性质。
- 筛选标准：
- 带隙（1.23 ≤ Eg^ML(GW) ≤ 3 eV）；
- 价带顶（VBM）低于O2/H2O氧化电位（−5.67 eV）；
- 导带底（CBM）高于H+/H2还原电位（−4.44 eV）；
- 通过新开发的元模型（ANN、随机森林、XGBoost共识模型）评估预测不确定性（Eg^unc(GW) < 0.326 eV）。
- 结果：初步筛选出13,338种候选材料。

1. 结构优化与原型选择

   • 简化结构：限定单胞原子数≤3，排除含氢材料，保留7种原型（如BN、MoS2等）。
     
   • 去重与排除：移除文献已报道结构及ML训练集数据，最终获得81种候选材料。
     

2. 第一性原理计算验证

   • DFT-PBE计算：结构优化、能带计算（考虑自旋轨道耦合SOC）、声子谱分析（排除虚频>1 THz的不稳定结构）和分子动力学模拟（AIMD, 300 K下8 ps）。
     
   • 结果：25种半导体通过稳定性验证，其中11种通过弹性常数检验（如TiFCl、VClO等）。
     

3. 高精度电子结构分析

   • HSE06杂化泛函：计算精确带隙及能带对齐（基于带隙中心模型BGC）。
     
   • G0W0修正：提升准粒子能级精度，确认9种材料能带边缘跨越水分解电位，2种（如SnSSe）仅适合析氧反应。
     

主要结果
1. ML预测与验证：ML筛选大幅缩小候选范围（316,505→81），元模型不确定性评估提升可靠性。
2. 稳定性与电子特性：
- TiFCl等材料展示动态稳定性（声子谱无虚频）和热稳定性（AIMD能量波动<0.1 eV）。
- G0W0带隙修正后，SnSSe（2.71 eV）、TiFCl（2.12 eV）和WTeO（1.41 eV）适合可见光催化。
3. 能带对齐：9种材料（如MnClBr、VFCl）的VBM和CBM完全覆盖水氧化还原电位，具备全分解潜力。

结论与价值
1. 科学价值：提出ML辅助的多尺度筛选框架，为高通量材料发现提供范式。
2. 应用价值：11种新型2D光催化剂（如TiFCl）为实验合成指明方向，其中3种（SnSSe、TiFCl、WTeO）具备可见光响应特性。
3. 方法创新：元模型量化预测不确定性，结合“漏斗式”工作流（ML→DFT→GW）显著降低计算成本。

研究亮点
1. 跨尺度筛选：首次将ML预测、DFT验证与GW修正系统整合，覆盖316,505种材料的大规模筛选。
2. 动态稳定性验证：通过声子谱、AIMD和弹性常数多维度评估材料稳定性。
3. 新型催化剂发现：TiFCl等材料通过G0W0修正展现优异能带对齐特性，实验潜力显著。

其他价值
- 公开数据支持后续研究（见论文SI），代码与方法可用于其他功能性2D材料筛选（如热电、超导材料）。
- 研究强调基底介电屏蔽对2D材料带隙的影响，为实验设计提供理论参考。