氧空位是金属氧化物光催化剂中普遍存在的本征缺陷:它既能拓展可见光吸收范围、构筑表面活性位点,从而提升光催化性能;又会引入缺陷陷阱,加速光生电子–空穴对的非辐射复合,大幅损耗太阳能转化效率。以往研究多聚焦于氧空位浓度的影响,而氧空位聚集形成二聚体时,其空间拓扑构型如何调控缺陷能级与载流子动力学行为,仍缺乏微观层面的深入理解。
近日,内蒙古大学贺进禄研究员与北京师范大学龙闰教授团队合作,采用机器学习辅助非绝热分子动力学(ML-NAMD)模拟,以SrTiO3为光催化模型体系,系统研究了离散型(2VO-D)、弯折型(2VO-B)与直线型(2VO-L)三类氧空位二聚体的空间构型对载流子俘获及非辐射复合动力学的调控规律。
传统的第一性原理非绝热分子动力学计算成本高昂,通常只能采用尺寸较小的超胞进行模拟。而小超胞会使缺陷与其周期性镜像之间产生人为的静电相互作用,扭曲缺陷波函数分布、陷阱能级位置和电子–
声子耦合,导致激发态动力学结果显著偏离真实材料。本工作中,研究团队将DeepMD机器学习力场与DeepH机器学习哈密顿量相结合,突破了模拟体系尺寸的限制,分别构建了对应高氧空位浓度(1.85%)的小超胞模型和对应低氧空位浓度(0.31%)的大尺寸超胞模型,从而把缺陷浓度效应与缺陷本征拓扑效应分离开来。
图1. 左侧为机器学习非绝热分子动力学(ML-NAMD)流程:以原子结构信息{Zi,Ri}为输入,通过神经网络构建哈密顿量,获得非绝热耦合、激发能与波函数;中、右侧展示SrTiO3氧空位二聚体拓扑构型对载流子动力学的调控,非对称构型2VO-D与2VO-B形成浅陷阱,对称构型
2VO-L形成带隙深陷阱,加速非辐射复合。
研究发现,氧空位二聚体的拓扑效应强烈依赖于空位浓度。在高空位浓度条件下,周期性重复的空位复合物之间相互作用较强,扰动缺陷态波函数,使三种构型本征的电子结构差异被抹平:离散型、弯折型与直线型二聚体均在导带底(CBM)附近形成浅陷阱态,载流子寿命处于数百至数千纳秒量级,三者的陷阱辅助非辐射复合行为彼此接近。在低空位浓度条件下,人为的缺陷间相互作用被削弱,不同拓扑构型的本征性质得以显现:离散型与弯折型二聚体仍保持非对称、空间延展的缺陷波函数,形成浅陷阱,复合速率较慢;直线型二聚体(2VO-L)则产生高度对称且局域化的Ti中心轨道,轨道杂化显著增强,在带隙内部形成深陷阱能级,构筑“导带底→陷阱→价带顶(VBM)”的高效两步弛豫通道,大幅加速非辐射复合。NAMD结果显示,低浓度下直线型二聚体体系的载流子复合寿命仅约3 ns,相比另外两种构型缩短上百倍,成为高效的电荷复合中心。
图2. 对比了高空位浓度与低空位浓度条件下,离散型(2VO-D)、弯折型(2
VO-B)和直线型(2VO-L)三种氧空位二聚体的空位间距(a, b)、局域结构(c–e)及其对应的非辐射复合路径(f, g)。高空位浓度时,三种二聚体均产生浅陷阱;降低空位浓度后,直线型二聚体形成深陷阱,电子–空穴复合大幅加速,凸显了空位拓扑构型对载流子动力学的决定性影响。
波函数分析进一步证实,缺陷态的深度并不单纯取决于空位的几何间距,而是由空位诱导Ti轨道的波函数对称性与轨道杂化程度主导:对称的轨道组合产生建设性轨道重叠,使缺陷能级稳定并向带隙深处移动;对称性破缺则会削弱轨道杂化,维持浅陷阱特征。小超胞计算会通过缺陷–镜像相互作用破坏本征对称性,掩盖直线型二聚体形成深陷阱的本征行为,从而得出定性错误的结论。这也表明,大尺度模拟对缺陷激发态动力学研究不可或缺。
图3. 氧空位二聚体体系陷阱态波函数的空间分布。(a–c) 高氧空位浓度体系;(d–f) 低氧空位浓度体系。(a, d) 离散型空位二聚体(
2VO-D);(b, e) 弯折型空位二聚体(2VO-B);(c, f) 直线型空位二聚体(2VO-L)。(g) 波函数对称性调控缺陷能级的机理示意图:Ti中心缺陷轨道的非对称组合耦合作用较弱,陷阱能级靠近导带底,形成浅陷阱;对称的轨道组合则会增强位点间的轨道杂化,稳定缺陷态,使缺陷能级向带隙深处移动,进而促进陷阱辅助的非辐射复合。
该工作将氧空位二聚体的拓扑构型、缺陷波函数对称性与陷阱深度、载流子寿命直接关联起来,指出除缺陷浓度之外,空位聚集后的空间排布同样是调控氧化物光催化剂非辐射损耗的关键参量。同时,这套机器学习–非绝热分子动力学方案为真实条件下缺陷介导的激发态动力学研究提供了有力的模拟工具,也为SrTiO3及相关金属氧化物光催化中的缺陷工程提供了理论指导。
该成果近期发表于Journal of the American Chemical Society,内蒙古大学贺进禄研究员与北京师范大学龙闰教授为共同通讯作者,贺进禄研究员课题组硕士研究生王藤翔
为第一作者。本研究得到国家自然科学基金(资助编号:22363007、22573053、22533001)和内蒙古自治区自然科学基金(资助编号:2025YQ046)等项目的支持。
原文(扫描或长按二维码,识别后直达原文页面):

Machine Learning Nonadiabatic Molecular Dynamics Reveals Key Influence of Topology of Oxygen Vacancies on Carrier Trapping and Recombination in SrTiO3
Tengxiang Wang, Zihang Liu, Dongyu Liu, Andrey S. Vasenko, Evgueni V. Chulkov, Jinlu He, Run Long, Oleg V. Prezhdo
J. Am. Chem. Soc., 2026, DOI: 10.1021/jacs.6c18952
研究团队简介
龙闰教授:现就职于北京师范大学,博士生导师,教育部“长江学者奖励计划”特聘教授。长期致力于多自由度耦合的非绝热动力学方法发展,以及凝聚相材料激发态动力学的理论研究。以第一或通讯作者身份在J. Am. Chem. Soc.、Angew. Chem. Int. Ed.和Nano Letters等期刊发表论文150余篇。主持包括国家自然科学基金重点项目和国际(地区)合作项目等,入选
国家高层次青年人才项目,获得北京师范大学袁敦礼校长基金优秀教师科研奖和北京师范大学2025年度银质奖章。现担任国际知名物理化学期刊The Journal of Physical Chemistry Letters副主编。
https://www.x-mol.com/groups/long_run
贺进禄研究员:现就职于内蒙古大学,博士生导师。2020年毕业于北京师范大学,获理学博士学位。主要从事超快激发态动力学研究,以第一或通讯作者在国际高水平期刊J. Am. Chem. Soc.、Angew. Chem. Int. Ed.、Nat. Commun.等上发表学术论文90余篇,主持国家自然科学基金面上、地区、青年项目和省部级项目10余项。担任《Chinese Journal of Catalysis》和《Carbon Neutralization》期刊青年编委。
https://www.x-mol.com/groups/he_jinlu

点击“
阅读原文”,查看 化学 • 材料 领域所有收录期刊