南京邮电大学史丽/马延文/赵进，最新Adv. Funct. Mater. AI+DFT解密双原子催化剂C-N耦合新机制

背景：尿素的传统工业合成能耗高、排放高，电化学尿素合成因其在温和条件下将CO₂/N₂直接转化为尿素的潜力成为研究热点，但面临C–N耦合动力学缓慢和选择性低的挑战。研究目的：南京邮电大学团队通过高通量密度泛函理论计算与机器学习相结合，系统揭示双原子催化剂在尿素电合成中的机理与活性规律，为高效催化剂设计提供理论蓝图。结论：研究构建了243种双原子催化剂的数据库，筛选出Ti@QV2与Ti、V、Zr、Mo@QV3等潜力候选；机理分析表明QV3结构因双金属间距大，能促进*NHNH中间体N–N键断裂生成高活性NH物种，降低C–N耦合能垒；机器学习识别出金属-氮配位距离和d电子数为关键描述符，建立了从原子结构到催化性能的理性设计框架，为其他多步耦合反应催化剂设计提供参考。