From computational to data-driven strategies for single-atom catalysis

Abstract

Els estàndards de vida en augment han incrementat significativament la demanda energètica global i les emissions de CO2. Aquesta situació ha impulsat fortament nous avanços en eficiència de recursos i sostenibilitat. En aquest context, els catalitzadors single-atom (SACs) ofereixen una plataforma prometedora cap a una eficiència de recursos sense precedents, ja que permeten substituir la gran quantitat d'àtoms de metall requerits pels catalitzadors tradicionals per només uns pocs. Així doncs, es facilita la reducció significativa del cost del material i la seva empremta ambiental. No obstant això, pel que fa a la comprensió i optimització dels SACs, la seva heterogeneïtat inherent fa que la identificació dels llocs actius sigui difícil. En conseqüència, les modelitzacions teòriques generalment es basen en models centrats en una sola estructura, els quals ofereixen representacions plausibles però sovint incompletes dels SACs. Aquesta limitació destaca la necessitat d'enfocaments integrats que combinin models teòrics amb dades experimentals per agilitzar el desenvolupament del camp. En aquesta tesi, les simulacions basades en la Teoria del Funcional de la Densitat (DFT) s'integren amb tècniques experimentals de síntesi, caracterització i proves catalítiques en reactors per a explorar les relacions síntesi-estructura-proprietat en els SACs per a diferents estratègies catalítiques. Aquestes troballes subratllen la influència crítica de factors sovint ignorats com la nuclearitat, l'entorn del suport i les interaccions sinèrgiques en el procés catalític. A més, les metodologies impulsades per dades que integren l'aprenentatge automàtic proporcionen una visió quantitativa de l'organització espacial dels centres metàl·lics en els SACs.

Los estándares de vida en aumento han incrementado significativamente la demanda energética global y las emisiones de CO2. Esta situación ha impulsado fuertemente nuevos avances en eficiencia de recursos y

sostenibilidad. En este contexto, los catalizadores single-atom (SACs) ofrecen una plataforma prometedora hacia una eficiencia de recursos sin precedentes, ya que permiten sustituir la gran cantidad de átomos de metal requeridos por los catalizadores tradicionales por solo unos pocos. Así pues, se facilita la reducción significativa del coste del material y su huella ambiental. Sin embargo, en lo que respecta a la comprensión y optimización de los SACs, su heterogeneidad inherente dificulta la identificación de los sitios activos. En consecuencia, las modelizaciones teóricas suelen basarse en modelos centrados en una sola estructura, los cuales ofrecen representaciones plausibles pero a menudo incompletas de los SACs. Esta limitación destaca la necesidad de enfoques integrados que combinen modelos teóricos con datos experimentales para agilizar el desarrollo del campo. En esta tesis, las simulaciones basadas en la Teoría del Funcional de la Densidad (DFT) se integran con técnicas experimentales de síntesis, caracterización y pruebas catalíticas en reactores para explorar las relaciones síntesis-estructura-propiedad en los SACs para diferentes estrategias catalíticas. Estos hallazgos subrayan la influencia crítica de factores frecuentemente ignorados como la nuclearidad, el entorno del soporte y las interacciones sinérgicas en el proceso catalítico. Además, las metodologías impulsadas por datos que integran el aprendi n cuantitativa de la organización espacial de los centros metálicos en los SACs. Esta metodología permite co

The rising standards of living have significantly increased global energy demands and CO2 emissions, strongly prompting for new advancements in resource efficiency and sustainability. In this context, single-atom catalysts (SACs) offer a promising avenue toward unprecedented resource efficiency by replacing the large number of metal atoms required by traditional catalysts with just a few, thereby significantly reducing material cost and environmental footprint. However, regarding the understanding and optimization of SACs, their inherent heterogeneity makes the identification of active sites challenging. Consequently, theoretical explorations typically rely on single-speciation models that offer plausible but incomplete representations of SACs. This limitation underscores the need for integrated approaches that combine theoretical models with experimental data to streamline the development of the field. In this thesis, Density Functional Theory (DFT) simulations are integrated with experimental synthesis, characterization, and catalytic testing techniques to explore the synthesis-structure-property relationships in SACs for different catalytic strategies. These findings underscore the critical influence of often neglected factors such as nuclearity, host environment, and synergistic interactions on catalytic performance. Besides, data-driven methodologies integrating machine learning provide quantitative insights into the spatial organization of metal centers in SACs, thus transcending the isolated atom limit of conventional image analyses. This work advances the understanding and application of SACs, contributing to the development of innovative catalytic materials that address environmental challenges and support sustainable industrial processes.