结构无序助力清洁能源：碳缺陷或取代稀缺金属催化剂
发布日期：2026年9月21日
来源机构：印度甘地纳格理工学院（IIT Gandhinagar）
全球向无碳、清洁和可持续能源的转型加速了对新型生产技术的探索。然而，目前通过电解水制氢以获取清洁能源的过程成本高昂，主要受限于贵金属催化剂的使用。
为解决这一瓶颈，印度甘地纳格理工学院的研究团队开展了一项新的计算研究，成果已发表在《npj 二维材料与应用》（npj 2D Materials and Applications）上。该研究指出，一种具有原子级厚度的“无序”碳材料可能成为替代稀缺金属的低成本催化剂。
石墨烯的局限与“无序”碳的优势
石墨烯是世界上最薄的物质，厚度仅为一个原子，比人类头发宽度小约一百万倍。其碳原子排列成整齐、规律的六角形晶格。这种完美的几何结构虽然稳定，但也限制了其作为电催化剂的活性位点数量。
相比之下，研究人员关注的是非晶态单层碳（MAC）。这种材料具有无序的原子排列，缺乏远程有序性。这种结构特性使其能够产生多种局部配位环境、环形配置和应变分布，从而提供广泛的催化活性位点，起到类似海绵状催化剂的作用。
吸附能的平衡艺术
根据该研究第一作者、甘地纳格理工学院材料工程系三年级博士生 Sreehari MS 的说法，找到正确的平衡至关重要。如果反应物在催化剂表面结合过紧，氢气分子难以释放；若结合过弱，则无法有效启动反应。
这种粘附-去除平衡可以通过氢吸附吉布斯自由能（$\Delta G_H$）来量化。“接近零的值被认为是理想的，因为它代表相互作用既不太强也不太弱，”Sreehari 解释道。
计算数据显示，原始石墨烯的 $\Delta G_H$ 值约为 +1.73 eV，而经过检查的最佳晶体碳材料 β-石墨烯，其值约为 +0.34 eV。
机器学习辅助的大规模模拟
为了创建非晶态碳模型，研究团队使用了一种称为“熔融淬火”过程的计算机模拟方法。简而言之，他们将有序的碳结构加热直至原子排列变得随机，最终生成的二维片层包含五元环、六元环和七元环的混合结构。
评估这种材料作为催化剂的有效性需要检查大量可能的吸附位点。由于对每个位点进行高精度的密度泛函理论（DFT）计算在算力上极其昂贵，研究人员结合了 DFT 与机器学习的原子间势函数（MACE）。
该方法类似于厨师先精心挑选几道菜进行试吃，再推广至整个菜单。研究团队利用 DFT 为选定的少量位点生成高质量数据，随后微调机器学习模型以探索更多位点。
曾在甘地纳格理工学院获得材料工程学学士学位、目前是伊利诺伊大学芝加哥分校和阿贡国家实验室博士生的 Ashutosh Krishna Amaram 解释：“我们利用机器学习模型，在更大的 MAC 表面上考察了约 1,183 个不同位点。我们发现该表面表现得几乎像一幅微观地图，分布着山丘、山谷和邻域。预测的 $\Delta G_H$ 值范围为 −0.91 至 +1.70 eV，其中约 15% 的位点数值低于 +0.25 eV，这表明其可能具有有利的催化行为。”
“完美”的不完美：缺陷即功能
分析显示，较大的键角扭曲、不规则的键合角度以及较大的表面波纹等结构缺陷提供了更有利的吸附条件。相反，那些保留更接近石墨烯规则排列的区域显示出较低的催化效率。这一发现与直觉相反，因为传统观点通常认为缺陷是需要消除的问题。
这项研究为下一代催化剂提供了潜在的设计蓝图。尽管目前仅提供了 MAC 能有效产氢的计算证据，但仍需进一步的实验验证。Ashutosh Krishna Amaram 补充道：“机器学习可以帮助研究人员更有效地筛选和设计催化材料，在合成和实验测试之前缩小有前途的结构范围。”
该研究具有开发低成本、无金属碳催化剂的潜力，符合印度国家绿色计划的目标，即通过创新提高绿色技术的效率和成本效益，加强该国在绿色生产、使用和出口方面的能力。这些发现也与旨在到 2030 年将清洁氢成本降至每公斤 2 美元的全球清洁能源计划相一致。
参考文献：
Sreehari MS et al., Structural disorder: Unraveling the catalytic potential of monolayer amorphous carbon via first-principles simulations and machine learning potentials, npj 2D Materials and Applications (2026). DOI: 10.1038/s41699-026-00735-9
