Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task11:18

Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task

11.1K
A method is described in which 3-4 month old infants learn a task by discovery and their leg movements are captured to quantify the learning...
11.1K
Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective13:57

Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective

13.1K
This paper aims to describe the techniques involved in the collection and synchronization of the multiple dimensions (behavioral, affective and cognitive) of learners’ engagement during a task.
13.1K
Aqueous Synthesis of Plasmonic Gold-Tin Alloy Nanoparticles03:54

Aqueous Synthesis of Plasmonic Gold-Tin Alloy Nanoparticles

1.4K
Here, the synthesis of gold (Au) seeds is described using the Turkevich method. These seeds are then used to synthesize gold-tin alloy (Au-Sn) nanoparticles with tunable plasmonic...
1.4K
A Live-cell Image-Based Machine Learning Strategy to Monitor Pluripotent Stem Cell Differentiation11:38

A Live-cell Image-Based Machine Learning Strategy to Monitor Pluripotent Stem Cell Differentiation

1.1K
Available pluripotent stem cell (PSC)-to-functional cell differentiation systems are currently impeded by problems of severe line-to-line and batch-to-batch variability. Here, using cardiac differentiation as the main example, we present a protocol to intelligently monitor and modulate the process of PSC differentiation based on image-based machine learning.
1.1K
Nanocrystalline Alloys and Nano-grain Size Stability06:52

Nanocrystalline Alloys and Nano-grain Size Stability

5.6K
Source: Sina Shahbazmohamadi and Peiman Shahbeigi-Roodposhti-Roodposhti, School of Engineering, University of Connecticut, Storrs, CT
Alloys with grain size less than 100 nm are known as nanocrystaline alloys. Due to their enhanced physical and mechanical properties, there is an ever-increasing demand to employ them in various industries such as semiconductor, biosensors and aerospace. 
To improve the processing and application of nanocrystalline alloys, it is necessary to develop close to...
5.6K
Using Practice Testing, Public Speaking, and Source Monitoring to Examine the Influences of Learning Strategies and Stress on Episodic Memory07:59

Using Practice Testing, Public Speaking, and Source Monitoring to Examine the Influences of Learning Strategies and Stress on Episodic Memory

8.4K
The present experiment combined three experimental procedures — a retrieval-practice learning manipulation, a list-discrimination task, and a stress-induction technique — to examine the influences of different learning strategies and acute stress on multiple measures of episodic...
8.4K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Multi-Objective Catalyst Discovery in High-Entropy Alloy Composition Space: The Role of Noble Metals on the Pareto Front for Oxygen Reduction Reaction.

Angewandte Chemie (International ed. in English)·2026
Same author

Direct synthesis of amorphous metal-organic frameworks from nanoclusters.

Nature communications·2026
Same author

The Computational Cation Electrode: A Case Study on CO2RR.

Chemphyschem : a European journal of chemical physics and physical chemistry·2026
Same author

Trapping a Metastable Node in an Amorphous Metal-Organic Framework.

Angewandte Chemie (International ed. in English)·2026
Same author

Mapping the Coordination Number and Coordination Geometry of Lanthanide Ions in Aqueous and Nonaqueous Solution Phases.

Journal of the American Chemical Society·2026
Same author

Continuous Ammonia Electrosynthesis from Nitrogen and Water in a Monolithic Pd Membrane-Based Flow Cell.

ACS energy letters·2026

関連する実験動画

Updated: Jan 20, 2026

Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task
11:18

Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task

Published on: June 1, 2015

11.1K

高次元学習：合金電極触媒発見のための戦略

Vladislav A Mints1,2, Jack K Pedersen3, Gustav K H Wiberg1

  • 1Department for Chemistry, Biochemistry and Pharmaceutical Sciences, University of Bern, Freiestrasse 3 3012 Bern Switzerland matthias.arenz@unibe.ch.

EES catalysis
|January 19, 2026
PubMed
まとめ

この研究では、より優れたエネルギー変換電極触媒を発見するためのトップダウンアプローチを紹介します。研究者らは、複雑な合金から始めて要素を除去することにより、最適な材料を効率的に特定し、実験的労力を削減しました。

キーワード:
電極触媒合金発見エネルギー変換トップダウンアプローチデータ駆動型機械学習高エントロピー合金

さらに関連する動画

Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective
13:57

Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective

Published on: July 1, 2015

13.1K
Author Spotlight: Designing Sustainable Nanomaterials for Advancing Synthesis and Element Mixing
03:54

Author Spotlight: Designing Sustainable Nanomaterials for Advancing Synthesis and Element Mixing

Published on: March 15, 2024

1.4K

関連する実験動画

Last Updated: Jan 20, 2026

Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task
11:18

Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task

Published on: June 1, 2015

11.1K
Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective
13:57

Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective

Published on: July 1, 2015

13.1K
Author Spotlight: Designing Sustainable Nanomaterials for Advancing Synthesis and Element Mixing
03:54

Author Spotlight: Designing Sustainable Nanomaterials for Advancing Synthesis and Element Mixing

Published on: March 15, 2024

1.4K

科学分野:

  • 材料科学
  • 電気化学
  • 触媒作用

背景:

  • 従来の触媒発見は、時間のかかるボトムアップアプローチを使用しています。
  • 複雑な合金は、触媒性能の向上の可能性を提供しますが、包括的に研究することは困難です。

研究 の 目的:

  • エネルギー変換電極触媒を発見するための新しいトップダウン戦略を実証すること。
  • 触媒最適化に必要な実験数を削減するデータ駆動型手法を開発すること。

主な方法:

  • 複雑な多成分高エントロピー合金（HEA）から始まるトップダウンアプローチを採用しました。
  • 低性能の構成要素を合金から除去することにより、要素のダウンセレクションを実行しました。
  • 200の合金組成に関する実験データに基づいて、機械学習による活性モデルを作成しました。

主要な成果:

  • 本研究では、酸素還元反応（ORR）を対象に、Au-Ir-Os-Pd-Pt-Re-Rh-Ru高エントロピー合金（HEA）システムにトップダウンアプローチを適用しました。
  • 機械学習モデルは、HEA空間内のより単純な合金の活性を予測する能力を示しました。
  • この方法は、個々の構成合金をすべて個別に研究する場合と比較して、実験的負担を大幅に軽減します。

結論:

  • トップダウンアプローチは、改良された電極触媒を発見するための効率的な戦略です。
  • この方法は、触媒活性モデリングのための実験データと理論的シミュレーションの比較を容易にします。
  • 開発された機械学習モデルは、複雑なHEAから派生した単純な合金の性能を予測できます。