Aprendizaje activo guiado por el descubrimiento de óxidos de alta entropía con alta producción de H2

Área de la Ciencia:

• Ciencias de los materiales
• Catálisis
• Química computacional

Sus antecedentes:

• Los óxidos de alta entropía (HEOs) son soluciones sólidas complejas con un gran potencial pero un diseño desafiante debido a los espacios de composición de alta dimensión.
• El diseño tradicional de HEO se basa en el conocimiento experto y la intuición, lo que limita la exploración eficiente de las posibilidades de composición.

Objetivo del estudio:

• Introducir una estrategia de aprendizaje activo (AL) para la exploración eficiente del espacio de composición HEO.
• Acelerar el descubrimiento de nuevos OHE con propiedades catalíticas deseables.

Principales métodos:

• Implementó un sistema de aprendizaje activo de circuito cerrado que incluye etapas iterativas de "Capacitación, Predicción y Experimento".
• Utilizó la espectroscopia de fotoelectrones de rayos X y la teoría funcional de la densidad para la caracterización y el análisis de materiales.

Principales resultados:

• Se identificaron cuatro nuevos óxidos estables de alta entropía a través de la estrategia AL.
• Logró una tasa de evolución de hidrógeno de 251 μmol g_cat^-1 min^-1, superando a los catalizadores establecidos como Pt/γ-Al₂O₃ y Cu/ZnO/Al₂O₃.
• Se observó una pérdida de identidad elemental en los HEOs descubiertos, confirmada por espectroscopia y DFT.

Conclusiones:

• La estrategia de aprendizaje activo acelera efectivamente el descubrimiento de óxidos de alta entropía.
• El aprendizaje automático proporciona una herramienta poderosa para navegar por espacios de composición complejos e identificar materiales catalíticos avanzados.
• Los HEO descubiertos demuestran un potencial significativo para aplicaciones en reacciones de evolución de hidrógeno.