这份由Hee-joon Chun, Ankita Morankar, Zhenhua Zeng*, 和 Jeffrey Greeley*共同完成的研究论文，发表在期刊J. Phys. Chem. C 2024年的第128卷上。研究团队来自美国普渡大学的戴维森化学工程学院。该工作聚焦于电催化领域的核心科学问题——固体-液体界面，特别是开发了一种基于Born-Haber循环和从头算分子动力学（ab initio molecular dynamics, AIMD）采样的新理论方法，用于精确计算水相反应中吸附质（adsorbates）的溶剂化焓（solvation enthalpy）。其最终目标是为了更准确地描述复杂、动态的电化学界面能量学，从而改进对电催化剂活性、选择性与稳定性的理论预测。
一、学术背景与研究动机
异相电催化（Heterogeneous electrocatalysis）是可持续能源装置（如燃料电池、电池）和环境污染物转化的核心。然而，电催化剂往往面临活性不足、选择性差和稳定性低的挑战。为了从分子层面理解这些现象，基于第一性原理的密度泛函理论（Density Functional Theory, DFT）计算已成为强大的工具。然而，DFT在处理气/固界面方面已发展成熟，但在描述电催化反应环境中的液/固界面时仍然面临巨大困难。关键原因在于，溶剂化效应会显著改变界面反应的能学和动力学。
溶剂化效应是指溶质被溶剂分子稳定化的过程。在电催化中，水分子与吸附在电极表面的反应中间体之间的相互作用，会极大地影响反应路径和能垒。实验上直接测量这些能量极其困难，因此计算研究对于提供分子层面的见解至关重要。目前，处理DFT计算中水溶剂化效应的方法主要有两类：隐式溶剂模型（implicit solvation model）和显式溶剂模型（explicit solvation approach）。隐式模型将水视为连续介质，计算成本低但忽略了水分子与吸附质间的方向性相互作用，精度有限。显式模型则直接在模型中包含水分子。
在显式模型中，静态水双层模型（static bilayer model）因其简洁性和一定的成功应用而被广泛采用。然而，这种模型存在显著局限：它极大地简化了固/液界面附近实际的水结构。例如，水覆盖层结构远非单一的六方晶格；在具有台阶、扭折等缺陷的复杂表面上难以构建静态双层；并且它无法充分稳定那些会显著扭曲局部水结构的大尺寸吸附质。实际上，体相液体和液-固界面都存在水的统计涨落和动态变化。因此，一个能够对多种水构型进行采样的动态模型，比静态模型更能代表真实的电化学环境。
基于AIMD的构型采样可以克服静态模型的不足，因为它可以自然捕捉界面的无序性和动力学。然而，直接通过AIMD模拟来收敛溶剂化焓（这涉及到有/无吸附物时多种水分子排列的能量差异）需要极长的模拟时间（纳秒量级），这在当前的计算能力下是难以实现的。为了在保证准确性的同时克服计算成本的挑战，本研究团队提出了一种新颖的理论方法，巧妙地将Born-Haber循环思想与基于AIMD模拟退火的结构采样相结合。
二、详细研究方法与流程
本研究的核心是建立并应用一套完整的理论框架来计算吸附质的溶剂化焓，其工作流程主要包括理论公式构建、AIMD模拟与结构采样、以及基于DFT的能量分析几个关键步骤。
第一步：理论框架构建（Born-Haber循环分解） 研究者首先将吸附质X的溶剂化焓（δEsolvation(X)）定义为该物种在水相中与在气相中吸附的结合能（binding energy）之差。然后，他们采用类似于Born-Haber循环的策略，将溶剂化过程分解为两个子过程： 1. 溶剂重组能（δEH2O(l)）：指在催化剂表面，平衡态的水结构为了给吸附质腾出空位而发生重组所消耗的能量。这是一个能量惩罚项。 2. 相互作用能（δEinteraction）：指吸附质插入重组后产生的空位中，与周围水分子相互作用所获得的稳定化能量。
因此，溶剂化焓可表达为：δEsolvation(X*) = δEinteraction + δEH2O(l)。这个分解是方法的核心，它允许分别处理水的重组和吸附质-水的相互作用。
根据吸附质的亲疏水性不同，重组能（δEH2O(l)）的物理机制也不同： * 亲水性吸附质：重组是“化学过程”，涉及水分子旋转和重取向，破坏氢键以形成朝向空位的悬空键，准备与吸附质形成新氢键。重组能主要来源于氢键断裂的惩罚。 * 疏水性吸附质：重组是“物理过程”，水分子整体移向体相以创造空位，氢键网络基本保留，能量惩罚较小，主要来自失去与表面的弱相互作用和增加的表面积。 * 混合极性吸附质：重组能是物理和化学贡献的加和。
第二步：AIMD模拟与结构淬火采样 为了避免进行纳秒级的长时间AIMD模拟来直接计算能量差，研究团队提出了一个高效的采样策略。他们只进行一次包含吸附质、水和催化剂表面的AIMD模拟（X·H2O(l)*），模拟时间在皮秒量级。从该模拟的轨迹中，他们采样多个“快照”（snapshots）。每个快照结构随后被用作初始构型，在0 K下进行DFT几何优化（即“淬火”）。这些优化后的结构代表了吸附质存在下，局部平衡的水-吸附质-表面构型（X·H2O(l)reorg*）。
第三步：基于DFT单点计算的能量分析 对于每个淬火后的结构，研究者通过移除水分子和/或吸附质，构建出四种不同的构型，并进行DFT单点能计算： 1. X·H2O(l)reorg*：淬火后的完整结构。 2. H2O(l)reorg*：从(1)中移除吸附质X，保留重组水结构。 3. X*：从(1)中移除所有水分子，保留孤立的吸附质和表面。 4. *：从(1)中移除吸附质和所有水分子，只剩干净的表面。 利用这些能量，可以直接计算该采样构型下的相互作用能：δEinteraction = [E(X·H2O(l)reorg) - E(H2O(l)reorg)] - [E(X) - E()]。
对于重组能（δEH2O(l)）的计算则依赖于吸附质类型： * 亲水性吸附质：从淬火结构中统计吸附质与水分子之间形成的氢键数量（NH-bonds）。假设重组断裂的氢键数与最终形成的氢键数相等，则δEH2O(l) ≈ δEchemical = NH-bonds × δEH-bond strength。其中，氢键强度（δEH-bond strength）通过计算从体相冰模型中移除一个水分子形成空位所需的焓变来估算，并与实验值进行对比验证。 * 疏水性吸附质：基于“疏水物种溶剂化焓近似为零”的合理假设，由δEsolvation ≈ 0 反推出 δEH2O(l) ≈ -δEinteraction，此值即为物理重组能（δEphysical）。 * 混合极性吸附质：将吸附质分解为亲水和疏水部分，分别采用上述方法估算各部分的重组能贡献，再与整体的δEinteraction（将整个混合吸附质视为一个单元计算）结合。
第四步：空位校正因子（f）的应用与平均 研究者发现，在计算δEinteraction和通过空位形成法估算δEH2O(l)时，由于使用的结构包含“冻结”的空位（不允许水分子回填），会导致对相互作用和重组能的过高估计。为了抵消这一系统误差，他们引入了一个校正因子 f。f 定义为由冰升华焓确定的氢键强度与由冰空位形成焓确定的氢键强度之比。f 的值取决于所使用的DFT泛函和空位大小。最终，每个采样构型的溶剂化焓计算为：δEsolvation(X*) = f × (δEinteraction + δEH2O(l))。对所有采样构型的结果取平均值，即得到该吸附质的平均溶剂化焓。
第五步：计算细节 所有AIMD模拟在NVT系综下进行，使用VASP软件包，分别采用PBE泛函（用于Pt体系）和BEEF-vdW泛函（用于Fe-N-C体系）。DFT计算采用平面波赝势方法，截断能为400 eV。具体体系的模型尺寸、水分子数量、模拟温度和时间等参数在论文支持信息中有详细说明。
三、主要研究结果
研究团队将上述方法应用于多个具有代表性的电催化体系，验证了其普适性和预测能力。
案例I：Pt(111)表面的亲水性OH*和OOH* 这是氧还原反应（ORR）的关键中间体。AIMD采样显示，OH*和OOH*均优先吸附在顶位，并与周围水分子形成氢键网络。计算得到OH*的平均溶剂化焓为-0.56 eV，OOH*为-0.27 eV。与广泛使用的静态水双层模型相比，OH*的结果完全一致，这证明了新方法在处理理想氢键情况下的可靠性。而对于OOH*，静态模型给出的值为-0.16 eV，弱于AIMD动态模型的结果（-0.27 eV）。这表明较大的OOH*在动态水环境中能比在受限的静态双层中获得更强的溶剂化稳定，突显了动态模型对于复杂吸附质的优势。
案例II：具有FeN4中心的石墨烯表面的OH*（覆盖度影响） 该体系用于研究吸附质覆盖度对溶剂化的影响。计算发现，孤立吸附在Fe位点（OH*）和C位点（OH#）的羟基，其溶剂化焓分别为-0.63 eV和-0.43 eV，表明基底电负性差异会影响吸附质的极性，进而影响溶剂化强度。更有趣的是，当两个OH（OH#-OH*）在FeN4位点附近共吸附并形成分子内氢键时，其整体溶剂化焓（-0.75 eV）的绝对值小于两个孤立OH溶剂化焓之和（-1.06 eV）。这是因为分子内氢键的形成减少了吸附质簇与外界水分子形成氢键的数量，从而减弱了溶剂化稳定作用。这一结果与基于冰模型估算的单个氢键能量（~ -0.30 eV）相符，证明了方法捕捉微观相互作用的准确性。
案例III：Pt(111)表面的疏水性CH3*和CH3CH2* AIMD模拟证实这些烷基吸附物不与水形成氢键。基于疏水性假设，计算得出CH3*和CH3CH2*的物理重组能（δEphysical）分别约为0.11 eV和0.15 eV。这些值远小于亲水性羟基的化学重组能（~0.5 eV），符合物理直觉。较大的CH3CH2*导致稍大的重组能惩罚。
案例IV：Pt(111)表面的乙醇吸附物（CH3CH2OH*，混合极性） 乙醇分子包含疏水的乙基和亲水的羟基。AIMD显示其乙基部分不与水作用，而羟基平均形成约2.83个氢键。通过将乙基的物理重组能（0.15 eV，取自案例III）与羟基的化学重组能（基于氢键数计算，为0.54 eV）相加，再结合计算得到的相互作用能（-0.93 eV），并应用校正因子，最终得到乙醇吸附物的溶剂化焓为-0.20 eV。该方法成功地将简单组分的知识应用于复杂分子。
四、溶剂化对催化性能预测的影响
研究者进一步展示了所获溶剂化焓在改进反应能量学预测方面的价值。
五、研究结论与价值
本研究提出并验证了一种基于Born-Haber循环和AIMD采样的新理论，用于高效、准确地计算电化学固-液界面吸附质的溶剂化焓。该方法的核心创新在于将复杂的溶剂化过程分解为可分别量化的重组能和相互作用能，并通过有限时间的AIMD模拟结合统计采样来规避直接长时间模拟的巨额计算成本。
其科学价值在于：提供了一种超越静态水双层模型局限性的、更贴近真实动态界面的溶剂化能量学处理方法。它能够系统研究吸附质极性、尺寸、覆盖度以及基底性质对溶剂化的复杂影响，揭示了分子间氢键网络在界面稳定化中的关键作用。
其应用价值在于：显著提升了第一性原理计算对重要电催化反应（如ORR、EOR）热力学和机理的预测精度。通过提供更可靠的溶剂化校正，该方法可以助力于设计活性、选择性、稳定性更优的电催化剂，加速可持续能源技术的发展。该理论框架具有很好的普适性，可推广至多种材料表面和吸附质体系。
六、研究亮点