机器学习设计用于固的单原子催化剂
Shuyue Wang1,2, Chao Qian1,2, Shaodong Zhou1,2
1College of Chemical and Biological Engineering, Zhejiang Provincial Key Laboratory of Advanced Chemical Engineering Manufacture Technology, Zhejiang University, Hangzhou 310027, P. R. China.
机器学习和第一原理计算加快了降解反应 (NRR) 单原子催化剂的设计. 这种强大的策略准确地预测了催化剂的性能,有助于开发高效的基催化剂.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
- 催化剂是一种催化剂.
背景情况:
- 过渡金属单原子催化剂对于各种化学反应至关重要.
- 这些催化剂的高效设计需要准确预测它们的性能.
- 降解反应 (NRR) 是氨合成和固定的一个关键过程.
研究的目的:
- 将第一原则计算与机器学习相结合,用于设计新的单原子催化剂.
- 选和识别缩反应 (NRR) 的有希望的单原子催化剂.
- 开发NRR中化障碍的准确预测模型.
主要方法:
- 利用第一原则计算来研究催化剂特性.
- 采用机器学习,特别是梯度增强回归,用于性能预测.
- 使用高通量计算选了大量的单原子催化剂结构.
主要成果:
- 根据稳定性,活性和选择性,确定了V/Nb/Ta-N单原子催化剂作为有前途的候选者.
- 实现了对NRR的化障碍的准确预测,根-平均-平方误差为0.07 eV.
- 成功预测了1000多个单原子催化剂结构的NRR性能.
结论:
- 高通量计算和机器学习的整合是加速催化剂设计的强大策略.
- 这种方法可以快速准确地预测NRR性能.
- 这项研究为基催化剂提供了有价值的结构性能相关性,指导了未来的催化剂开发.
更多相关视频
08:40Synthesis of Metal Nanoparticles Supported on Carbon Nanotube with Doped Co and N Atoms and its Catalytic Applications in Hydrogen Production
Published on: December 6, 2021
12:08Catalytic Reactions at Amine-Stabilized and Ligand-Free Platinum Nanoparticles Supported on Titania During Hydrogenation of Alkenes and Aldehydes
Published on: June 24, 2022
相关概念视频
Inorganic Nitrogen Assimilation
Catalysis
Overview of Nitrogen Metabolism
The largest pool of nitrogen available in the terrestrial ecosystem is gaseous nitrogen (N2) from the air, but this...
Reduction of Alkenes: Asymmetric Catalytic Hydrogenation
The metal catalyst used can be either heterogeneous or homogeneous. When hydrogenation of an alkene generates a chiral center, a pair of enantiomeric products is expected to form. However, an enantiomeric excess of one of the products can be facilitated using an enantioselective reaction or an...
Carbon-dioxide Fixation
The Nitrogen Cycle
