本文是一篇发表于2023年6月21日《Joule》期刊（卷7，第1289-1307页）的原创研究论文。论文标题为《Coupling covariance matrix adaptation with continuum modeling for determination of kinetic parameters associated with electrochemical CO2 reduction》。主要作者包括Kaitlin Rae M. Corpus， Justin C. Bui， Aditya M. Limaye， Lalit M. Pant， Karthish Manthiram， Adam Z. Weber 以及通讯作者 Alexis T. Bell（来自加州大学伯克利分校等机构）。该研究提出了一种新的、严谨的数据分析方法，旨在解决电化学二氧化碳还原（CO2R）领域长期存在的催化剂动力学参数（如塔菲尔斜率和交换电流密度）提取不准确的问题。
一、 研究背景与目的
电化学二氧化碳还原（CO2R）是一种将温室气体CO2转化为有价值化学品和燃料的潜在途径，对于实现可持续能源循环和碳中性经济具有重要意义。在这一领域，准确评估和比较不同电催化剂的固有（本征）活性至关重要，这通常依赖于对关键动力学参数——塔菲尔斜率和交换电流密度的精确测量。
然而，传统的塔菲尔分析方法存在严重缺陷。该方法需要从实验获得的极化曲线（电流密度-电位曲线）中，人工主观地划分出所谓的“动力学控制区”和“传质控制区”，并仅对“动力学控制区”的数据进行线性拟合以获得参数。问题在于，对于CO2R这类反应，由于CO2在水系电解质中的溶解度和扩散系数很低，传质限制（即反应物无法快速输送到催化剂表面）在很宽的电位范围内就已出现，与动力学效应相互耦合。因此，人为划分区域不仅引入了无法量化的主观误差，而且忽略了传质和竞争反应（如析氢反应，HER）对观测电流的复杂影响，导致提取的“表观”动力学参数严重偏离催化剂的“本征”动力学参数，无法进行有效的催化剂性能基准测试。
此前，已有研究尝试用贝叶斯学习算法结合简单模型来解决数据点不足和主观划分的问题，但其物理模型未能充分考虑传质与均相缓冲反应、竞争表面反应之间的耦合，限制了其处理复杂极化曲线和解析多个反应贡献的能力。
因此，本研究旨在开发一种全新的、客观的、基于物理模型的数据分析框架。该框架的核心目标是：将先进的优化算法与包含详细物理化学过程的连续介质模型相结合，从文献报道的实验数据中反卷积出传质等非动力学效应，从而严谨地提取出仅反映催化剂表面本征动力学的塔菲尔参数。 该方法不仅适用于CO2R，原则上可推广至任何受传质影响的电化学系统（如氨合成、有机电合成等），为电催化领域的基准测试提供强大工具。
二、 研究详细工作流程
本研究的工作流程是一个系统的、迭代的计算分析过程，主要包括以下几个关键步骤：
数据收集与预处理：
- 研究对象： 研究选取了在相似实验条件（使用流动型H池，KHCO3电解质）下获得的26组文献数据集。其中18组数据针对银（Ag）催化剂上CO2还原生成CO和H2的反应，另外8组数据针对锡（Sn）催化剂上CO2还原生成甲酸盐（HCOO-）、CO和H2的更为复杂的反应体系。选择Ag和Sn是因为它们对CO和H的吸附较弱，可以简化模型，忽略表面覆盖度的影响。
- 数据处理： 从文献中数字化提取了各产物的分电流密度随阴极电位变化的极化曲线数据。将所有电位数据统一换算至标准氢电极（SHE）标度，以确保模型计算的一致性。
构建物理模型（连续介质模型）：
- 研究建立了一个一维（1D）反应-传输模型，用于模拟H型电解池中Ag或Sn电极附近的物理化学过程。模型域包括平面电极、水性电解质以及与之相关的传质边界层。
- 模型包含的关键物理化学过程：
- 电化学反应动力学： 使用浓度依赖的塔菲尔方程描述CO生成、H2生成以及Sn上的甲酸盐生成等表面反应。方程中包含了基于局部物种活度（而非本体浓度）的速率表达式，这是准确描述传质影响的关键。
- 物质传输： 考虑了电解质中所有相关物种（CO2, HCO3-, CO32-, K+, OH-, H+等）的扩散和迁移。
- 均相化学反应： 明确包含了发生在边界层内的CO2与OH-之间的快速缓冲反应（如CO2 + OH- ⇌ HCO3-），这些反应会消耗反应物CO2并改变局部pH，进而强烈影响电极表面的反应动力学。
- 热力学与活度系数： 采用Davies活度系数模型处理离子间的静电相互作用，采用Sechenov活度系数模型处理CO2的溶解度变化，从而更精确地计算电极表面的物种活度。
- 模型输入与输出： 输入包括本体电解质浓度、温度、电极电位以及需要拟合的动力学参数（交换电流密度i0和转移系数α）和传质边界层厚度（Lbl）。输出是模拟的各产物分电流密度-电位曲线。
开发与耦合优化算法（协方差矩阵自适应进化策略，CMA-ES）：
- 为了从实验数据中自动、最优地拟合出模型的未知参数（i0, α, Lbl），研究采用了CMA-ES这一先进的全局、无导数优化算法。
- 算法原理： CMA-ES通过在参数空间中构建一个多元高斯分布来工作。它迭代地从该分布中采样生成一组候选参数解，将每组参数代入连续介质模型计算模拟的极化曲线，然后评估其与实验数据之间的误差（目标函数，本研究采用均方误差MSE）。算法根据候选解的误差排名，更新高斯分布的均值向量和协方差矩阵，使分布向误差更小的区域移动并逐渐收缩。这个过程持续进行，直到参数分布收敛到全局最优解附近。
- 耦合与拟合策略： 直接将所有参数（对于Ag为5个：i0,CO, αCO, i0,H2, αH2, Lbl）同时进行高维优化非常困难（“维度灾难”）。因此，研究采用了分步拟合的策略：
- 第一步（拟合CO动力学）： 将实验测得的H2分电流密度数据固定输入模型。CMA-ES算法调整αCO, i0,CO和Lbl，使模拟的CO分电流密度最佳匹配实验数据。固定H2数据至关重要，因为它允许模型准确计算由HER引起的局部pH和CO2浓度变化，而这些变化直接影响CO生成反应（COER）的动力学。
- 第二步（拟合H2动力学）： 将第一步得到的最佳αCO, i0,CO和Lbl参数固定。CMA-ES算法再调整αH2和i0,H2，使模拟的H2分电流密度最佳匹配实验数据。
- 对于Sn催化剂： 由于甲酸盐是主要产物，拟合顺序调整为：先拟合甲酸盐参数，再拟合CO参数，最后拟合H2参数。
- 不确定性量化： 通过对CMA-ES最终生成的参数分布进行后处理，可以获得所拟合参数的置信区间，从而量化其不确定性。
敏感性分析与传统方法评估：
- 在应用新方法之前，研究首先利用构建的连续介质模型进行了系统的敏感性分析，定量评估了传质边界层厚度（Lbl）和竞争反应（如HER）的动力学强度对观测到的CO极化曲线和由此提取的“表观”塔菲尔斜率的影响。
- 通过模拟一系列仅改变Lbl或i0,H2（而保持CO本征动力学参数不变）的虚拟实验数据，并对其应用传统的塔菲尔分析方法，直观地展示了即使本征动力学相同，不同的传质或竞争反应条件也会导致截然不同的表观塔菲尔斜率，从而证实了传统方法在存在这些效应时的固有缺陷。
三、 主要研究结果
传统塔菲尔分析的局限性得到定量验证：
- 敏感性分析结果明确显示，传质限制和竞争反应会显著扭曲极化曲线的形状。模拟表明，随着边界层厚度（Lbl）增加或竞争性HER反应增强（i0,H2增大），即使CO反应的本征塔菲尔斜率固定不变，通过传统线性拟合得到的“表观”塔菲尔斜率也会系统地增大（即被高估）。只有当Lbl趋近于零（无传质损失）时，表观值才接近本征值。这从原理上证明了，在CO2R这类受传质严重影响的体系中，忽略物理模型的传统分析方法必然引入误差。
新方法成功拟合文献数据并揭示参数分布：
- 应用耦合的CMA-ES和连续介质模型方法，成功地对18组Ag数据和8组Sn数据进行了高精度拟合，重现了实验观测的CO、H2和甲酸盐的极化曲线，并获得了各组数据对应的本征动力学参数集。
- 关键发现： 拟合得到的动力学参数（α和log(i0)）并未收敛于一组唯一的值，而是在一个相当宽的范围内分布。例如，对于Ag上的CO生成反应，转移系数αCO的分布峰值远离理论预测的“基准值”（如0.5, 1.0等），交换电流密度i0,CO也跨越了几个数量级。Sn催化剂上各反应的拟合参数也呈现出类似的广泛分布。
参数分布的原因探究与“补偿效应”：
- 研究指出，Marcus理论（预测转移系数随电位变化）在实验采用的较小电位范围内影响有限，不能解释观测到的参数分布。
- 主要归因于催化剂制备方法的差异。文献中使用的Ag和Sn催化剂多为多晶材料，不同的制备方法会导致催化剂表面形貌、粗糙度、晶面分布、甚至表面毒化物覆盖度存在显著差异。表面粗糙度的影响被隐含地归入了交换电流密度i0中，而不同晶面的本征活性差异则可能影响转移系数α。因此，参数分布反映了真实世界中催化剂结构的非均一性。
- 一个有趣的现象是，拟合得到的α和log(i0)之间呈现出明显的负相关线性趋势，这类似于多相热催化中报道的“补偿效应”。研究分析认为，这种表观相关性可能源于实验误差、未解卷积的粗糙度效应以及反应级数等因素的耦合，而非真实的物理化学关联。它进一步凸显了缺乏标准化催化剂制备和表征（如报告电化学活性表面积ECSA而非几何面积）所带来的问题。
方法扩展到更复杂体系（Sn催化剂）：
- 通过更新连续介质模型以包含甲酸盐生成反应的物理过程，本研究成功地将该方法应用于产物更多样（CO, H2, HCOO-）的Sn催化剂体系。拟合结果同样显示出参数的广泛分布，验证了该方法的普适性和处理复杂电化学合成系统的能力。
- 对比发现，Ag和Sn上HER的拟合参数分布相似，暗示两者上的HER可能遵循类似路径。而CO生成的参数分布则差异明显，表明在两种金属上CO2还原至CO的机理或能量学可能不同。
四、 研究结论与意义
本研究开发并验证了一种将协方差矩阵自适应进化策略（CMA-ES）与详细物理连续介质模型相结合的新方法，用于从电化学CO2还原实验数据中严谨地提取本征动力学参数。该方法通过物理模型直接模拟传质、均相反应和竞争表面反应的耦合效应，并利用先进的优化算法自动、客观地拟合参数，完全避免了传统塔菲尔分析中主观划分数据区域所引入的无法量化的误差。
研究通过对大量文献数据的分析得出核心结论：对于Ag和Sn催化剂，拟合得到的本征动力学参数分布广泛，这很可能源于不同研究组在催化剂制备方法上的差异所导致的表面结构异质性。 这一发现意味着，无法用单一的一组“标准”动力学参数来描述CO2R在所有Ag或Sn催化剂上的行为，强调了对每个特定催化剂进行单独严谨参数化的必要性。
科学价值与应用价值： * 方法论价值： 本研究提供了一种强大的、普适性的数据分析框架，为受传质影响的电催化系统（不仅是CO2R，也包括氨合成、有机电合成等）的基准测试设立了新标准。它推动了电催化表征从经验性、半定量分析向基于物理模型、定量化分析的转变。 * 对领域的启示： 研究结果强烈呼吁电催化社区需要建立更标准化的实验协议和数据报告规范，例如报告电化学活性表面积、更详细地表征催化剂形貌、并提供带有误差棒的充分数据点，以便进行更可靠的数据分析和理论验证。 * 连接理论与实验： 该方法获得的“本征”参数更能代表催化剂的表面特性，为与第一性原理计算（如密度泛函理论DFT）得出的微观机理参数进行直接对比提供了更可靠的基础。
五、 研究亮点
- 创新性的方法融合： 首次将先进的全局优化算法（CMA-ES）与包含完整反应-传输物理的连续介质模型深度耦合，创建了一个自动化、高精度的动力学参数提取工具。
- 彻底解决传统弊端： 完全摒弃了主观判断，通过物理原理直接“反卷积”非动力学效应，首次实现了对电化学合成体系多产物反应本征动力学的严谨、量化解析。
- 重要的实证发现： 通过系统分析大量文献数据，首次明确揭示并定量证明了文献中报道的CO2R动力学参数存在广泛分布，并将其主要归因于催化剂制备的差异性，这对该领域的认知和理解是一个重要推进。
- 方法的普适性与扩展性： 研究不仅应用于相对简单的Ag体系，还成功扩展到产物更复杂的Sn体系，证明了该方法可适用于多种电催化反应。文中还指出，未来可通过引入微动力学模型进一步将其应用于Cu等涉及强吸附中间体、覆盖度效应显著的更复杂催化剂。
六、 其他有价值的内容
研究在讨论部分指出了未来工作的方向：例如，在目标函数中根据数据点的实验不确定性进行加权拟合；使用旋转圆盘电极实验结合相应的对流-扩散模型来验证连续介质理论并研究强制对流的影响；以及最重要的，将表面吸附中间体的覆盖度效应整合到模型中，以研究像Cu这样能生成多种C2+产物的复杂催化剂。这些方向为该方法的持续发展和完善提供了清晰的路线图。
这项研究通过开发一种严谨的计算分析框架，不仅解决了CO2R动力学分析中长期存在的技术难题，而且通过其对文献数据的再分析，得出了对催化剂构效关系具有深刻启示的结论，对推动电催化科学从经验探索向理性设计发展具有重要意义。