高性能金金属间纳米粒子燃料电池催化剂的机器学习加速设计
Peng Yin1, Xiangfu Niu2, Shuo-Bin Li1
1Hefei National Research Center for Physical Sciences at the Microscale, Department of Chemistry, University of Science and Technology of China, Hefei, 230026, China.
Nature communications
|January 9, 2024
概括
将铜或添加到-合金中,可以提高它们作为燃料电池电催化剂的性能. 这些三元催化剂为氧降解反应提供了更好的活性和表面积平衡.
科学领域:
- 材料科学 材料科学 材料科学
- 电化学 电化学 电化学
- 计算化学的计算化学
背景情况:
- 碳支持的PtCo金属间合金是对质子交换膜燃料电池的有希望的低电催化剂.
- 由于粒子大小和PtCo排序之间的权衡,同时实现高特异活性和大活性表面积是具有挑战性的.
研究的目的:
- 用机器学习统计量化化学排序对热力学稳定性的影响.
- 通过解决活动-表面积权衡,确定提高PtCo电催化剂性能的策略.
主要方法:
- 催化剂配置的机器学习加速选.
- 化学排序对稳定性的影响的理论量化.
- 三元催化剂的实验合成和表征.
主要成果:
- 将Cu/Ni引入PtCo合金中,通过诱导Co-Cu/Ni混乱,提供了稳定能量.
- 这种稳定性促进了催化剂的排序,改善了特定活动和活性表面积之间的权衡.
- 合成的Pt2CoCu和Pt2CoNi催化剂具有很大的电化学活性表面积 (~90 m2gPt−1) 和高特异活性 (~3.5 mA cm−2).
结论:
- 有Cu或Ni的三元PtCo基合金为氧降解反应提供了增强的性能.
- 机器学习在预测催化剂稳定性和指导实验设计方面非常有效.
- 这些发现推动了用于燃料电池的高效和成本效益的电催化剂的开发.
