高エントロピーの無形電触媒の自動発見と最適生成

科学分野:

• 材料科学
• 電気化学
• カタリシス

背景:

• アモルフな高エントロピー材料は工業的可能性を秘めているが,最適化のための構造-活動関係が定義されていない.
• 触媒などの用途のためにこれらの材料を設計し最適化することは依然として大きな課題です.

研究 の 目的:

• 設計空間全体のアルカリ酸素進化反応 (OER) のための高エントロピーの無形オキシヒドロキシド電解剤を発見し,最適化.
• 効率的な触媒発見のための機械学習駆動の組成活動関係を確立する.

主な方法:

• 合成システムを活用して,高エントロピーの無形オキシヒドロキシード電解剤の190万以上の組成物を探査した.
• 組成と活動の関係を確立し,最適な触媒組成を特定するために,機械学習 (ML) 技術を採用した.
• 6つの非貴金属の超薄2D協調ポリマーから導かれた触媒で,無形な酸化水酸化物に*in situ*変換される.

主要な成果:

• 設計空間をMLで導いた探査を通じて,高エントロピーの無形電気触媒のための最適な組成群を特定しました.
• 高いリコール率 (ほぼ100%) を有する検証されたMLモデルで,高い活動率と低い活動率の領域を正確に分類する.
• 超低電位 (10 mA cm−2で159 mV) と,アルカリのOERでは例外的な耐久性 (1 A cm−2で10,218 h) を達成した.

結論:

• 高エントロピーの無形酸化酸化物電触媒の自動発見と最適化のための一般的な戦略を開発した.
• ML主導のアプローチは,様々な用途のための高度な無形高エントロピー材料の開発に大きく影響を与えます.
• 高エントロピーの無形電触媒の効率的で耐久的なアルカリ酸素進化反応の可能性を実証した.