学术报告:MOF基电催化剂在CO₂还原、氨合成及尿素生产中的应用综述
作者及发表信息
本文由Hao Liang、Aishan Li和Ning Yuan*(通讯作者)合作完成,作者单位为中国矿业大学(北京)化学与环境工程学院。文章发表于期刊Advanced Powder Materials,2026年第五卷,文章编号100370,DOI为10.1016/j.apmate.2025.100370。
主题与背景
本文是一篇系统性综述,聚焦于金属-有机框架(Metal–Organic Frameworks, MOFs)材料在电催化领域的多功能应用,包括二氧化碳还原(CO₂RR)、电催化氨合成(EAS)及电催化尿素合成(EUS)。研究背景基于全球碳氮循环失衡的紧迫问题:传统工业过程(如Haber–Bosch法)能耗高、碳排放量大,而电催化技术通过可再生能源驱动,可在温和条件下实现碳氮资源的高效转化。MOFs因其可调的金属节点、有机配体及多孔结构,成为设计高效电催化剂的理想平台。
主要内容与观点
MOF功能化策略的分类与设计原则
文章将MOF功能化策略分为四类:
- 原始MOFs的理性设计:通过选择特定金属节点(如Fe³⁺、Cu²⁺)和配体(如卟啉衍生物),调控活性位点的电子结构和微环境。例如,Al₂(OH)₂TCPP-Co通过卟啉-Co配体实现CO选择性达76%(−0.70 VRHE)。
- 后合成修饰(PSM):通过配体功能化、金属离子交换或缺陷工程引入新特性。如Zr-OO•缺陷位点(UiO-66-NH₂)可将氨合成的法拉第效率(FE)提升至85.21%。
- MOF复合材料:与碳纳米管、MXene等导电材料复合,改善电荷传输。例如,MWCNTs与BIF-29(Cu)复合后,尿素合成的FE达68.5%。
- MOF衍生材料:通过热解或化学转化获得高导电性材料。如ZIF-67衍生的Co₃O₄@NC在氮还原反应(NRR)中表现出优异的稳定性。
MOFs在CO₂还原中的应用
- C1产物路径:CO和HCOOH的生成依赖于*COOH或*OCHO中间体的稳定。例如,F5-PCN-222(Fe)通过氟化烷基链修饰实现CO选择性97%。
- C2+产物路径:需促进*CO二聚化。Cu基MOFs(如PC-Cu-O)通过双活性位点(CuO₄和CuPc)协同降低C–C耦合能垒,C₂H₄选择性达50%。
- 挑战:高过电位和HER竞争反应仍需解决。
MOFs在氨合成中的进展
- 氮还原(NRR):MOFs通过Fe³⁺等Lewis酸性位点弱化N≡N键。MIL-100(Fe)的氨产率为2.12×10⁻⁹ mol s⁻¹ cm⁻²。
- 氮氧化物还原(NOxRR):如Cu-OUC催化剂通过NO侧向吸附,在Zn–NO电池中实现3415.82 μg h⁻¹ mg⁻¹的NH₃产率。
- 关键机制:远端路径(*N→*NH₂)和交替路径(*N–NH→*NH–NH)的调控依赖MOF的孔道微环境。
MOFs在尿素合成中的突破
- C–N耦合机制:CO₂与氮源(N₂、NO、NO₃⁻)通过*NCO/*NHCOO等中间体偶联。例如,Cu-HATP通过Cu单原子位点(dx²−y²空轨道)促进*NCO形成,尿素产率7.78 mmol h⁻¹ g⁻¹。
- 多功能设计:如Mo-PCN-222(Co)中Mo节点活化NO₃⁻,Co节点还原CO₂,空间分离抑制副反应,FE达33.9%。
研究意义与价值
科学价值:
- 提出了MOF基催化剂“活性位点-微环境-质量传输”协同设计框架,为复杂多步反应(如EUS)提供了新思路。
- 通过原位表征(如ATR-FTIR、XAFS)和理论计算(DFT),揭示了关键中间体的稳定机制。
应用潜力:
- 工业级电流密度(如Cu/CeO₂@C在CO₂RR中达138.6 mA cm⁻²)和长周期稳定性(如Fe₂Co-MOF在NOxRR中运行75小时)展示了MOFs的实际可行性。
- 集成化反应器设计(如MEA电池)为碳氮资源闭环提供了技术路径。
亮点与创新
- 跨反应协同:首次将CO₂RR、EAS和EUS的催化剂设计原则统一,提出可迁移的“双底物共吸附”策略。
- 动态结构调控:如Cu₁₂-NDI-H中–H基团诱导Cu d带中心上移,降低NO₃⁻活化能垒(FE 98.7%)。
- 环境适应性:部分MOFs(如Bi-TDC@DMF)在酸性条件(pH=2)下仍保持高活性,拓宽了应用场景。
其他有价值内容
- 挑战与展望:MOFs的导电性、长期稳定性及规模化制备仍需优化;未来需结合人工智能辅助设计和高通量筛选技术。
- 交叉学科启示:MOFs在光-电-热多场耦合催化中的潜力值得探索。
(注:术语翻译示例:法拉第效率(Faradaic Efficiency, FE)、金属-有机框架(Metal–Organic Frameworks, MOFs)、密度泛函理论(Density Functional Theory, DFT))