高活性ペロブスキートOER触媒を発見するための多源実験データから正確な記述子を蒸留する

科学分野:

• 材料科学
• カタリシス
• コンピュータ化学

背景:

• ペロブスキート酸化物は,酸素進化反応 (OER) の触媒として有望である.
• 有効な発見方法がないため,OER触媒のためのペロブスキートの広大な化学空間を探索することは困難です.
• 複数の実験情報源からの不一致なデータは,正確な記述者の開発を妨げます.

研究 の 目的:

• OERのペロブスキート酸化物触媒の加速発見のための新しい計算アプローチを開発する.
• マルチソースの実験データセットからのデータ不一致の問題に対処する.
• OERの新たな高活性ペロブスキート触媒を特定する.

主な方法:

• 確実な独立性スクリーニングと分散化オペレーターフレームワーク内で,サイン制限のマルチタスク学習方法を実装しました.
• 様々な出版物からの13の実験データセットを統合し,正確な記述者を導き出しました.
• 触媒活動の予測のための新しい2D記述子 (d_B, n_B) を開発した.

主要な成果:

• 新しい2D記述子 (d_B, n_B) は,高い普遍性,予測精度,および大量表面対応性を示しています.
• 数百の未報告のペロブスキート候補が特定され,その予測されるOER活動は基準値 (Ba0.5Sr0.5Co0.8Fe0.2O3) を超えた.
• 実験的検証により,SrCo0.6Ni0.4O3,Rb0.1Sr0.9Co0.7Fe0.3O3,およびCs0.1Sr0.9Co0.4Fe0.6O3という3つの高度に活性なペロブスキート触媒が確認された.

結論:

• 開発された方法は,加速度な触媒発見のために一貫性のないマルチソースデータを効果的に処理します.
• 新しい2D記述器は,高性能のペロブスキートOER触媒を特定するための強力なツールを提供します.
• このデータベースのアプローチは,触媒の分野を大幅に発展させ,より広範な応用の可能性を提供します.