通过DFT方法建立了金属表面吸附模型中,应用了广义梯度逼近原理(generalized gradient approximation)。这导致对分子的气相能计算中存在误差,荷兰莱顿大学Marc T.M. Koper,巴塞罗那大学Federico Calle-Vallejo,哥伦比亚麦德林行政、金融和技术大学等通过半经验方法对PBE,PW91,RPBE,BEEF-vdW中提升交换关联能的精确度。作者对27种含碳气体分子的误差进行计算,首先对形成能的误差分析,随后对不同气体分别进行计算改善数据库的误差。作者对优化后的方法在电催化反应中的情况进行测试,通过对Au,Ag,Cu电极上(Cupoly, Aupoly, Agpoly, Au(100), Au(110), Au(111), Ag(111))CO2还原为CO的过程起始电压进行计算,结果显示了很好的改善,这个结果说明,快速的系统性气体分子调控对计算化学模型有很好的效果。
通过半经验的能量误差调节应用于CO2/CO电催化还原中的计算模拟,作者发现反应能量的误差降低了一个数量级。作者发现,在CO2和CO的预测中,误差的区别会达到~0.4 eV,因此当对同时含有两种分子的反应,精确描述反应情况较难。
通过使用本文中的误差较小的数据库,作者发现在Au,Ag,Cu电极上的反应误差由0.21 V降低为0.06 V。作者认为这种方法在异相催化反应中同样能得以应用。此外,一些别的分子同样能够加入到数据库中,通过机器学习方法能够对复杂结构基底上的反应情况有效的预计。
参考文献
Laura Granda-Marulanda, Alejandra Rendon-Calle, Santiago Builes, Francesc Illas, Marc T.M. Koper*, and Federico Calle-Vallejo*
A semiempirical method to detect and correct DFT-based gas-phase errors and its application in electrocatalysis,ACS Catal. 2020,
DOI:10.1021/acscatal.0c01075
https://pubs.acs.org/doi/10.1021/acscatal.0c01075