在化學反應中，尤其是電催化/電化學合成，電場在調控反應過程中起到關鍵作用。但是，由于難以微觀定量表征電場效應的影響，因此通過電場調控電催化反應未曾得到深入理解。
有鑒于此，中國科學技術大學羅毅教授、王嵩教授、河南省科學院/中國科學技術大學江俊教授等報道通過紅外/拉曼光譜的CO2信號作為描述符，定量的預測不同電場對催化反應性質的影響。
本文要點：
（1）
以金屬摻雜C3N4為例，通過理論預測方式對不同方向和強度電場下的CO2吸附在27個不同金屬單原子表面的情況，在機器學習方法在紅外/拉曼光譜描述符和吸附能/電荷轉移之間建立關系，因此定量描述電場對CO2催化轉化的影響。基于注意力機理（attention mechanism），挖掘了光譜和吸附模式之間的關系，并且能夠從光譜反演電場強度。
（2）
這項工作為機器學習光譜用于定量描述和調控電催化反應提供幫助。
參考文獻
Cheng-Xing Cui, Yixi Shen, Jun-Ru He, Yao Fu, Xin Hong, Song Wang*, Jun Jiang*, and Yi Luo*, Quantitative Insight into the Electric Field Effect on CO2 Electrocatalysis via Machine Learning Spectroscopy, J. Am. Chem. Soc. 2024
DOI: 10.1021/jacs.4c12174
https://pubs.acs.org/doi/10.1021/jacs.4c12174
