基于Ce的金属氧化物复合材料的知识驱动的实验发现,用于通过可解释机器学习来选择性催化降低NO与NH3
Muyu Lu1, Fengyu Gao1, Yiran Tan1
1School of Energy and Environmental Engineering, University of Science and Technology Beijing, Beijing 100083, P. R. China.
ACS applied materials & interfaces
|January 12, 2024
概括
研究人员使用可解释的机器学习发现了一种新的基于的三元金属氧化物催化剂,用于氧化的氨选择性催化还原 (NH3-SCR),提高效率和稳定性.
科学领域:
- 材料科学 材料科学 材料科学
- 催化剂是一种催化剂.
- 计算化学的计算化学
背景情况:
- 优化的催化剂对于环境修复至关重要,特别是对于减少氧化 (NOx).
- 科学文献挖掘和数据驱动的方法为催化剂发现提供了强大的工具.
研究的目的:
- 通过可解释的机器学习,发现用于NOx的氨选择性催化降解 (NH3-SCR) 的新型三元金属氧化物催化剂.
- 为了确定具有优越性能和抗常见失活剂 (H2O,SO2) 的催化剂.
主要方法:
- 使用极端梯度增强 (XGB) 和夏普利添加式扩展 (SHAP) 的机器学习框架的开发.
- 对5654个不同的含金属氧化物复合催化系统的精选数据库的评估.
- 虚拟选和随后的经验验证和有前途的候选人的特征.
主要成果:
- 确定了一个CeO2-MoO3-Fe2O3催化剂,表现出优异的NOx转化和N2选择性.
- 与现有的催化剂相比,证明了对H2O和SO2的增强抵抗力.
- 鉴定证实了有利的结构,化学和机械性能.
结论:
- 基于知识的技术和实验验证的结合方法对于催化剂的发现是有效的.
- 鉴定到的CeO2-MoO3-Fe2O3催化剂在实际NH3-SCR应用中显示出显著的前景.
- 该战略为发现类似的先进催化材料提供了路线图.
更多相关视频
10:57Synthesis and Performance Characterizations of Transition Metal Single Atom Catalyst for Electrochemical CO2 Reduction
Published on: April 10, 2018
18.2K
07:47Reverse Microemulsion-mediated Synthesis of Monometallic and Bimetallic Early Transition Metal Carbide and Nitride Nanoparticles
Published on: November 27, 2015
10.9K
