【摘要】 研究主要使用Dmol3模块中的几何优化块和能量块来优化模型的几何和能量计算。

Ru作为氮还原反应（NRR）中更常见的催化剂材料，具有高活性和可观的催化性能，但价格昂贵，储量稀少。石墨烯被认为是一种很有前途的载体材料，它可以增加催化剂的比表面积和分散性，从而提高材料的利用率。

 

因此，Anmin Liu等人[1]将这两种材料结合起来，用密度泛函理论（DFT）方法研究了Ru/石墨烯（Gr）催化剂上NRR的发生机理。计算了不同Ru原子数和Ru原子分布对Ru/Gr催化剂催化活性的影响。得到了吸附自由能和反应路径等一系列数据。

 

研究主要使用Dmol3模块中的几何优化块和能量块来优化模型的几何和能量计算。几何优化中使用GGA/PBE交换相关函数，计算精度设置为Customized，最大迭代次数设置为1000，价电处理使用基本基团DNP4.4，自洽循环的最大次数为1000，最初使用水作为溶剂。所有计算都使用了2.0E-5的Opt能量收敛、4.0E-3Å的Opt梯度收敛、5.0E-3Å的Opt位移收敛、0.30Å的Opt最大位移、1.0E-5的Scf密度收敛和2.0E-001的Scf电荷混合。

 

通过计算每个结构的HOMO电子云分布、LUMO和HOMO能量之间的能量差（ΔE）以及其他相关数据，获得了在NRR过程中具有最高活性的催化剂。结果表明，单吸附过程的双Ru负载石墨氮掺杂Gr和双吸附过程的三Ru负载吡咯氮掺杂Grr具有最佳的NRR活性。与无催化剂工艺相比，催化剂的存在有效地降低了反应能垒，提高了反应活性。

 

[1]Liu, AnminGao, MengfanGao, YanchaoRen, XuefengYang, YananYang, QiyueLi, YanqiangGao, LiguoLiang, XingyouMa, Tingli.DFT study of Ru/graphene as high-performance electrocatalyst for NRR[J].Inorganic Chemistry Communications, 2020, 120(1).

 

科学指南针为超过6000家高校和企业提供一站式科研服务，2023年12月:已服务超过2000家高校，超过4000家企业，提供近500所高校研究所免费上门取样服务，平均每天处理样品数9000+、注册会员数60w+、平均4.5天出结果、客户满意度超过99%。

 

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。