金屬氧化物因其活性好、儲量豐富，被認為是有前景的（光）電催化劑。其重要的應用場景如光催化水分解等多發生在水溶液環境中，因此對于氧化物-溶液界面結構的認識是至關重要的。然而，由于氧化物導電性差、樣品原子級平整處理困難、成像電位條件難以確定等問題，氧化物-水界面的原位高分辨成像具有很大的挑戰性。

該工作通過電化學調控間隙態進行共振隧穿的方法，利用電化學掃描隧道顯微技術（Electrochemical Scanning Tunneling Microscope, EC-STM）對金紅石TiO₂(110) 界面實現原位高分辨觀測。通過電化學調控巧妙運用半導體特有的間隙態，基于該特殊能級進行樣品和針尖成像條件的選擇，完成界面結構原子級分辨觀測并發現臺階表面出現新的界面結構。同時，結合機器學習加速的分子動力學（machine learning molecular dynamics，MLMD）實現臺階缺陷TiO₂(110)-水界面的納秒級別模擬，發現了金紅石TiO₂(110)-水界面新型結構是由于臺階缺陷誘導產生。這一特殊界面結構的發現對于理解氧化物在真實條件下的界面催化過程具有重要意義。

該工作是在程俊教授、顏佳偉教授和張洪良教授的共同指導下完成，2023屆博士畢業生孫巖為該論文第一作者。研究生吳成榕、劉帥參與了實驗研究，王鋒、畢睿豪、莊永斌參與了理論計算。該工作得到田中群教授、毛秉偉教授和陳明樹教授的指導和支持，得到國家自然科學基金（22225302、21991151、21991150、22021001、92161113、21861132015、91945301、22072123、21872116）、中央高校基本科研業務費（(20720220009、20720230090）、人工智能應用電化學聯合實驗室項目（RD2023100101、RD2022070501）資助，以及固體表面物理化學國家重點實驗室、嘉庚創新實驗室的支持。

論文鏈接：https://pubs.rsc.org/en/content/articlehtml/2024/sc/d4sc01952k