专栏名称: 催化计
科研万相,尽在此间!
51好读  ›  专栏  ›  催化计

AEM:机器学习增强框架加速开发尖晶石氧化物电催化剂

催化计  · 公众号  ·  · 2024-08-08 19:31

正文

电催化讨论群-1: 529627044
对可持续能源需求的激增刺激了对燃料电池、水分解和金属空气电池等电化学转换装置的深入研究,氧电催化剂的性能显著影响整体电化学效率。
近日, 韩国科学技术院 Kang Taek Lee 、韩国能源研究所 Chan-Woo Lee 提出了一种计算框架,该框架将机器学习和密度泛函理论( DFT )计算相结合,用于系统筛选 1240 种尖晶石氧化物。
本文要点
要点1. 在提高预测准确性的同时,作者解决了数据稀缺的问题,并且选定的材料优于基准钙钛矿氧化物。此外,作者还强调了它们作为混合离子和电子导体的潜力,以及离子扩散路径的 3D 网络。
要点2. 为了进一步加深对稳定性、催化活性和反应机理的理解和预测,作者引入了一种新的描述符:共价性指示剂。该研究为开发高性能尖晶石氧化物氧电催化剂提供了设计原则。
Incheol Jeong et.al A Machine Learning-Enhanced Framework for the Accelerated Development of Spinel Oxide Electrocatalysts Adv. Energy Mater. 2024
DOI: 10.1002/aenm.202402342
https://doi.org/10.1002/aenm.202402342
电催化讨论群-1: 529627044

光催化群-2: 927909706

均相催化与酶催化群-2: 929342001

纳米催化群-1: 256363607

多孔材料群-2: 813094255
理论计算群-2: 863569400



广告






请到「今天看啥」查看全文