开发新型、清洁、高效的能源转换技术，是解决当今全球能源环境问题，并实现人类社会可持续发展的重要举措之一。燃料电池和金属-空气电池是一种高效能源转换装置，但它们的阴极氧还原反应动力学缓慢，需要发展高性能氧还原电催化剂。

铁基单原子催化剂是一类高效非贵金属氧还原催化剂。虽然该类催化剂的活性媲美贵金属铂，但其耐久性仍需极大提高，以满足实际应用。

近日，吉林大学赵晓教授团队利用密度泛函理论（DFT）和机器学习（ML），揭示了FeN₄OH单原子位点、CeN₄OH单原子位点、Fe纳米颗粒和Fe-CeO₂纳米颗粒构成的多组分集合体能够高效稳定的电催化氧还原反应（氧还原半波电位0.948 V vs. RHE，且历经 50，000个电势循环后，活性损失忽略不计），组分间的多个电子和几何作用必不可少（ε_d, W_f, μ_B, Q和d），不能用单一描述符来解释氧还原性能的增强，组分间的相互作用表现为一种系综效应。

球差电镜、同步辐射X-射线吸收谱等表征证明了FeN₄OH单原子位点、CeN₄OH单原子位点、Fe纳米颗粒和Fe-CeO₂纳米颗粒共存于催化剂中。

半电池测试表明该催化剂在碱性氧还原中的半波电位为0.948 V vs. RHE，历经50，000个电势循环后，氧还原活性损失可忽略不计。在同类氧还原催化剂中，该催化剂的综合性能处于前列。

机器学习揭示了组分间的电子作用和几何作用（ε_d, W_f, μ_B, Q和d）共同贡献了性能的增强，其中Fe-N共价性可能通过抑制单原子脱金属化来提高稳定性。该工作所用到的方法和策略对其他过渡金属（Co、Ni、Cu、Cr、Mn）氧还原催化剂也有正面作用。