近日，《Chemical Science》刊登了清华大学燃烧能源中心和车辆学院张亮副教授团队的研究论文《Unraveling Disorder-to-Order Transitions and Chemical Ordering in PtCoM Ternary Alloys Using Machine Learning Potential》，并选为期刊封面论文。研究通过结合机器学习势与蒙特卡洛模拟进行高效计算，揭示了PtCoM三元合金催化剂中的无序-有序相变机制及化学有序调控路径。

图：论文封面

背景与挑战

铂基金属间合金被广泛认为是质子交换膜燃料电池（PEMFCs）最有前景的氧还原反应（ORR）催化剂。其中，PtCo金属间化合物因其优异的活性和稳定性而备受关注。然而，PtCo合金催化剂的有序化需在高温下退火完成，往往伴随严重的颗粒烧结，导致催化剂活性表面积下降。引入第三元素（M）形成PtCoM三元合金被认为有望在保持粒径小的同时促进结构有序，但目前对于该过程中的热力学驱动力、动力学行为及元素筛选策略仍缺乏原子尺度的系统理解。

研究方法

本研究提出了一种可泛化的机器学习势能模型，通过对预训练大型原子模型的迁移学习，建立了适用于多种PtCoM三元体系的高精度势函数。该模型能量误差仅为0.0022 eV/atom，力误差为0.04 eV/Å。基于该势函数，开展了蒙特卡洛模拟、迁移能垒计算与元素高通量筛选，系统分析了有序转变的热力学与动力学机制。

图：基于机器学习势函数的合金有序化调控研究

关键结论

1. 引入第三元素如Ni、Cu、Zn可提升PtCo合金的有序化热力学驱动力和临界转变温度，促进有序相形成。相比之下，Cr、Mn、Fe等元素则抑制有序趋势。

2. 研究提出了有序化热力学驱动力的筛选指标，识别出包括PtCoTi、PtCoV、PtCoNi、PtCoCu、PtCoZn等在内的多种潜在高有序合金组分，其中部分已有实验报道。

3. 在PtCoCu体系中，Cu原子的低迁移能垒不仅自身易迁移，还能协同提升Pt和Co的扩散性。此外，Cu的引入增强了低温下的定向扩散，同时抑制了高温下的随机扩散，有效加快有序化进程。

总结与展望

本研究建立了兼具精度与效率的机器学习势函数用于合金模拟，揭示了PtCoM三元合金中无序-有序转变的本质机制，为多元合金催化剂的理性设计提供了新思路。研究成果有望为下一代高性能、低Pt载量燃料电池催化剂的开发提供理论支撑。

论文第一作者为清华大学燃烧能源中心和车辆学院博士生牛祥福，通讯作者为张亮副教授。研究工作得到了国家自然科学基金、北京怀柔实验室项目，清华大学自主科研项目的资助。

文章链接：https://doi.org/10.1039/D5SC04043D

供稿：燃烧能源中心

审核：刘有晟、游小清