電極触媒上のCO₂還元のための吸着エネルギー予測モデル：これまで遭遇したことのない金属元素を含む

科学分野:

• 材料科学
• 触媒
• 計算化学

背景:

• 電気化学的二酸化炭素還元（CO2RR）は、CO2を価値ある化学物質に変換する経路を提供します。
• 機械学習（ML）は、CO2RRにおける触媒開発を加速する可能性を示しています。
• 現在のMLアプローチは、既知の元素のみを含むデータベースによって制限されています。

研究 の 目的:

• 新規金属元素を含む触媒表面上の吸着エネルギーを予測するためのMLモデルを開発すること。
• 既存の触媒発見におけるMLモデルの限界を克服すること。
• より広範な潜在的電極触媒の迅速なスクリーニングを可能にすること。

主な方法:

• 吸着エネルギーを予測するための新しいMLモデルを開発しました。
• 「元素グループ化反復分割検証」法を提案し、検証しました。
• 原子および構造記述子を統合し、特徴量選択のためにBorutaアルゴリズムを採用しました。

主要な成果:

• MLモデルは吸着エネルギーの予測精度を向上させました。
• 元素グループ化検証法は、新規元素に対するモデル性能を効果的に評価しました。
• 特徴量選択により、モデルの一般化能力が向上しました。

結論:

• 開発されたMLモデルは、CO2RRの触媒発見の範囲を拡大します。
• このアプローチは、未踏の元素を含む新規電極触媒の同定を容易にします。
• 効率的なCO2RR触媒の発見の加速が可能になりました。