機械学習を用いたグラフェン担持Pt_nクラスターのスケーリング関係における主要記述子の解読

科学分野:

• 材料科学
• 電気化学
• 計算化学

背景:

• サブナノクラスターは有望な電極触媒であるが、その複雑な挙動は活性評価に課題を呈する。
• 白金（Pt）サブナノクラスターは、効率的な貴金属利用と電気化学反応の高い活性を提供する。

研究 の 目的:

• サイズ依存の電気化学的活性を評価するための機械学習（ML）フレームワークを開発する。
• グラフェン担持Pt_n（n = 7–13）サブナノクラスターを用いた酸素還元反応（ORR）を調査する。

主な方法:

• MLモデルのトレーニングに非ab initio記述子を利用した。
• 特徴駆動型不確実性定量化を実行して触媒挙動を分析した。
• 律速段階と結合部位の飽和を理解するために反応ネットワークを導出した。

主要な成果:

• MLモデルはORR中間体の吸着エネルギーを正確に予測する。
• サブナノメートルクラスターにおけるスケーリング関係を破る主要な幾何学的記述子を特定した。
• ORR条件下でのサポート上での触媒ダイナミクスと構造進化を明らかにした。

結論:

• サポート上でのサブナノクラスターの流動ダイナミクスと構造進化の原子論的理解を提供した。
• 燃料電池のための効率的な電極触媒の合理的な設計のためのガイドラインを提供した。
• サブナノメートル領域におけるアンサンブル表現と不規則な触媒活性の重要性を強調した。