使用机器学习将酸盐吸附与FeCoNiCuZn高缩合金催化剂的局部环境相关联
1Department of Mechanical and Civil Engineering, Florida Institute of Technology, Melbourne, Florida 32901, United States.
Langmuir : the ACS journal of surfaces and colloids
|July 13, 2024
概括
高合金 (HEAs) 在电催化酸盐降解为氨方面表现有前途. 机器学习模型预测FeCoNiCuZn HEAs上的酸盐吸附,揭示活性站点和局部环境是催化剂优化的关键.
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
- 计算化学计算化学
背景情况:
- 用电催化剂将酸盐降解为氨,对于水资源整治和能源应用至关重要.
- 高合金 (HEAs) 正成为有前途的电催化剂.
- 了解HEA成分对酸盐还原中间体的影响至关重要,但有限.
研究的目的:
- 研究FeCoNiCuZn高合金结构如何影响酸盐吸附.
- 开发酸盐吸附自由能量 (ΔGNO) 的预测模型.
- 确定控制催化剂性能的关键结构特征.
主要方法:
- 高通量密度函数理论 (DFT) 的计算.
- 机器学习回归模型.
- 对1268个采样HEA结构及其表面微观结构的分析.
主要成果:
- 开发了四种准确的回归模型,以基于HEA结构来预测ΔGNO.
- 活跃地点和局部原子环境显著影响酸盐吸附.
- 高酸盐的组合调节可以促进反应中间体的吸附和激活.
结论:
- 高温电源的组合调制是优化电催化剂的可行策略.
- 这项工作为HEA微结构的概率优化提供了洞察力,以提高酸盐的减少.
- 这些发现有助于开发高效的催化剂,用于水资源整治和能源应用.
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
3.6K
11:14Two-way Valorization of Blast Furnace Slag: Synthesis of Precipitated Calcium Carbonate and Zeolitic Heavy Metal Adsorbent
Published on: February 21, 2017
12.4K
