近日，我院胡新将教授团队在光催化材料的理论预测与设计领域取得重要进展，团队为密度泛函理论（DFT）辅助光催化剂设计的研究范式提供了依据。主要研究成果以“Aqueous-phase photocatalytic performance of defective carbon nitride: the discrepancy between density functional theory calculations predicting and practical results”为题，发表于Journal of Catalysis（中科院一区，TOP期刊，2024影响因子为6.5），论文系统性地探讨了DFT计算与实验二者在缺陷氮化碳光催化剂性能预测方面的一致性与差异。

密度泛函理论（DFT）计算是连接实验观测和理论预测的重要桥梁，也是逆向探索和设计新型光催化剂的有力工具。DFT计算的传统作用是对实验观测结果进行事后检验，但在理想情况下，DFT计算可以作为一种高效的预测方式用于指导催化剂合成和筛选。然而，通过计算模拟的结果需要得到实验研究人员的进一步信任和期待。因此，探索理论计算预测结果的可靠性至关重要。石墨相氮化碳（g-C₃N₄）是一种稳定的有机半导体光催化剂，平面内高度对称并服从周期性分布，并拥有大量成熟的原子级缺陷设计方案，能通过引入缺陷工程显著改变其催化性能。基于上述原因，g-C₃N₄可以作为一种合适的模式催化剂，通过原子级缺陷位点设计制造性能差异，从而实现不同缺陷氮化碳（DCN）在理论预测和实验观测上的区分。

本文采用g-C₃N₄作为研究对象，构建了不同DCN的理论模型（包括两种原始氮化碳、两种碳缺陷氮化碳，以及三种氮缺陷氮化碳），通过DFT计算比较了不同原子级缺陷的热力学稳定性，研究了不同DCN的电子结构、能带结构，以及其对催化底物O₂的吸附能力，并综合计算结果预测了不同DCN的光催化理论性能。此外，在实验中定向合成了与理论计算对应的DCN样品，使用电子顺磁共振、固体核磁共振等技术对实验合成DCN样品的缺陷类型进行了识别和验证，并采用多种光谱技术以及电化学测试探究了实验合成DCN样品的光电化学性能。

同时，在两种经典的水相光催化实验体系（光催化有机物降解和光催化产过氧化氢）测试了不同DCN样品的实际性能，并与DFT预测结果进行对比和讨论。结果表明，从DFT计算中预测得到的结果与表征和实验中观察到现象非常接近，多数DCN样品的性能符合理论预期。理论预测中不同DCN样品在光电特性和催化底物吸附容量上的差异在实验中得到了明显体现。计算预测中光催化理论性能最优的DCN样品（N_3C DCN）在两种水相光催化实验体系都表现出了最强的性能和活性。不过，部分计算结果与实验结果的差异性则提示了DFT计算用于预测和筛选光催化剂的一些局限。

综上，尽管受限于复杂的实际反应环境因素，但通过DFT计算预测的结果仍然足够可信。本文研究结果表明通过DFT计算预测光催化剂是一种有前途并且可期待的方法，为光催化剂研发开辟了新的途径。未来的工作应该针对筛选更有指导价值的计算项目，以平衡实验前的理论预测成本。（一审王慧 二审曾文斌 终审陈永华）