文章指出：一直以来，多位点的金属掺杂均可高效提升钌基氧化物锌空电池的双功能催化能力，但是对于掺杂元素的有效遴选长期缺少快速筛选的设计准则。

研究团队发现：掺杂金属元素的价层电子数、离子半径可作为设计筛选改性元素的关键指标。

研究人员以镧系元素的镧系收缩效应进行逻辑验证，发现外部价层为空/电子全满稳定结构、高化合价的金属掺杂元素，可以显著提升析氧性能（OER），对于离子半径较大的掺杂元素，更有利于催化氧还原反应（ORR），这个规律的发现，基本确立了Ru基催化剂可预判的金属掺杂筛选方案。

研究团队凭借价层电子、离子半径这套筛选规则，发现Ce金属元素师单掺杂最优材料，ΔE低至0.62V，表现出很好的双功能催化表现。高价金属钽Ta⁵⁺单独掺杂进去同样能有效提升电池催化性能。

研究人员将Ce、Ta双金属元素同时掺杂进去，氧还原半波电位可以达到0.884V，并且催化稳定性良好。

将其组装进锌空电池，开路电压为1.57V、峰值的功率密度为187mW・cm⁻²，进行千次的循环以后，电压衰减很小。这个掺杂金属设计与筛选策略能够有效助力新型耐用的锌空电池开发。

其实对于钌基氧化物锌空电池催化剂掺杂元素的筛选，国内外主流筛选方法除上述方法以外，大致还有三类：经验归类试错法、DFT+火山图预判筛选法、机器学习+高通量批量筛选法。

对于经验归类试错法，这个是早期国内外最普遍的使用方法。国内主要是优先进行（Mn/Fe/Co/Ni等）3d过渡金属和镧系稀土两大方向，先批量做单元素掺杂，然后择优进行双金属掺杂，清华大学张如范团队早期也是依靠这套方法。

国外的研究人员是优先IVB-VB高价金属元素，如Ta、Zr、Hf等，依次进行电化学测试，这个方法的缺点是消耗样品多、试验周期长、偶然性比较大。

对于DFT+火山图筛选预判方法，这个是目前主流的理论筛选方法。其核心逻辑是先用第一性原理DFT计算羟基、羧基等中间体的吸附能，绘制出催化火山曲线，那么落在火山顶部附近的金属元素优先通过实验考查。

国内中科大、沈阳化工研究团队是用4f轨道电子数作为标准，依靠镧系4f电子排布规则，建立了4f电子-Ru-O供价性能火山关系图，筛选出了Gd/Er等金属掺杂元素。

国外研究人员通常使用Ru-O键长+Pourbaix电势能相图双描述符，根据热力学稳定性进行筛选，通过调控Ru金属溶出相图筛选掺杂金属。

而对于机器学习+高通量批量筛选方法，这个是跨学科方法，属于比较前沿且高效的技术方案。

国外主要是搭建机器学习模型，通过元素电负性、键参数和外层价电子，批量筛选几十种元素，然后再进行少量实验验证。

国内主要是华东理工大学、上海交通大学在同步使用这类方法，结合遗传算法遍历掺杂元素构型，进而大幅压缩实验工作量。

最后，再次祝贺清华大学张如范副教授团队在钌基氧化物锌空电池金属掺杂领域取得进展。