Abstract Emissions reduction and greenhouse gas removal from the atmosphere are both necessary to achieve net-zero emissions and limit climate change 1 . There is thus a need for improved sorbents for the capture of carbon dioxide from the atmosphere, a process known as direct air capture. In particular, low-cost materials that can be regenerated at low temperatures would overcome the limitations of current technologies. In this work, we introduce a new class of designer sorbent materials known as ‘charged-sorbents’. These materials are prepared through a battery-like charging process that accumulates ions in the pores of low-cost activated carbons, with the inserted ions then serving as sites for carbon dioxide adsorption. We use our charging process to accumulate reactive hydroxide ions in the pores of a carbon electrode, and find that the resulting sorbent material can rapidly capture carbon dioxide from ambient air by means of (bi)carbonate formation. Unlike traditional bulk carbonates, charged-sorbent regeneration can be achieved at low temperatures (90–100 °C) and the sorbent’s conductive nature permits direct Joule heating regeneration 2,3 using renewable electricity. Given their highly tailorable pore environments and low cost, we anticipate that charged-sorbents will find numerous potential applications in chemical separations, catalysis and beyond.

Carbon dioxide capture technologies are set to play a vital role in mitigating the current climate crisis. Solid‐state 17O NMR spectroscopy can provide key mechanistic insights that are crucial to effective sorbent development. In this work, we present the fundamental aspects and complexities for the study of hydroxide‐based CO2 capture systems by 17O NMR. We perform static density functional theory (DFT) NMR calculations to assign peaks for general hydroxide CO2 capture products, finding that 17O NMR can readily distinguish bicarbonate, carbonate and water species. However, in application to CO2 binding in two test case hydroxide‐functionalised metal‐organic frameworks (MOFs): MFU‐4l and KHCO3‐cyclodextrin‐MOF, we find that a dynamic treatment is necessary to obtain agreement between computational and experimental spectra. We therefore introduce a workflow that leverages machine‐learning forcefields to capture dynamics across multiple chemical exchange regimes, providing a significant improvement on static DFT predictions. In MFU‐4l, we parameterise a two‐component dynamic motion of the bicarbonate motif involving a rapid carbonyl seesaw motion and intermediate hydroxyl proton hopping. For KHCO3‐CD‐MOF, we combined experimental and modelling approaches to propose a new mixed carbonate‐bicarbonate binding mechanism and thus, we open new avenues for the study and modelling of hydroxide‐based CO2 capture materials by 17O NMR.