固液界面CO2还原反应的理论方法和模拟

Rising atmospheric levels of carbon dioxide and the depletion of fossil fuel reserves raise serious concerns about the ensuing effects on the global climate and future energy supply. Utilizing the solar/electro energy to covert CO2 into fuels could address both problems simultaneously as well as provide a convenient means of energy storage. Integrating a numerical modified-Poisson-Boltzmann solver for complex system with first-principles calculations , we investigate the CO2 reduction reaction under the influence of the solar/electro energy and the aqueous surrounding at solid/liquid interfce. In this proposal, we aim to map out the potential-dependent reaction networks, reaction mechanism and the kinetics for the CO2 reduction reaction, and establish quantitative linkage between activity and selectivity at the reaction condition. We further propose a general model to optimize CO2 catalyst via computation and present a practical strategy for designing new catalysts.

随着全球石油燃料储量急剧减少和空气中CO2含量飙升，能源短缺和气候变暖正成为人类亟待解决的两大难题。同时广泛存在的CO2也是一种便宜且绿色的C资源，使用光/电化学方法还原CO2成为当前重要且有发展前景的研究内容。为了解决固/液界面CO2还原过程中产物多样性和固/液界面催化过程复杂性的问题，本课题将结合周期性密度泛函方法，发展复杂体系的泊松-波尔兹曼连续介质溶剂化模型来模拟固/液界面CO2还原反应。研究将深入考察催化材料与溶液的相互作用，构建及优化固/液界面催化模拟体系。结合构建的模型探索CO2重要还原产物的路径网络、反应机理及动力学过程，找到影响固/液界面催化体系活性及选择性的关键因素和动力学特性。并进一步总结固/液界面的催化规律，为大规模固/液界面催化剂的设计和筛选建立理论依据。

随着全球石油燃料储量急剧减少和空气中CO2含量飙升，能源短缺和气候变暖正成为人类亟待解决的两大难题。同时广泛存在的CO2也是一种便宜且绿色的C资源，使用光/电化学方法还原CO2成为当前重要且有发展前景的研究内容。为了解决固/液界面CO2还原过程中产物多样性和固/液界面催化过程复杂性的问题，本课题将结合周期性密度泛函方法和具有大数据计算能力神经网络全局搜索方法，发展复杂体系的固/液神经网络模型来模拟固/液界面CO2还原反应。研究将深入考察催化材料与溶液的相互作用(如Li离子点出和氢电极)，构建及优化固/液界面催化模拟体系。结合构建的模型探索CO2重要还原产物的路径网络、反应机理及动力学过程。计算结果显示研究发现表面H覆盖度随着电极电势而变化，而电势相关的表面H覆盖度可以影响CO2的氢化过程。COOH*加氢生成HCOOH在热力学和动力学上更有利；CO也是由COOH*断键生成。Cu(100)和Cu(110)晶面上HCOO*中间体都可以断键形成*HCO，然后发生连续加氢反应生成最终C1和C2产物。