机器学习加速的DFT对催化过程的合规采样
Thantip Roongcharoen1, Giorgio Conter1,2, Luca Sementa3
1CNR-ICCOM, Consiglio Nazionale delle Ricerche, via Giuseppe Moruzzi 1, Pisa 56124, Italy.
Journal of chemical theory and computation
|August 30, 2024
概括
本研究介绍了催化过程的符合性采样 (CSCP),一种新的计算方法. CSCP加速了催化反应的精确模拟,改善了用于生产等过程的材料发现.
科学领域:
- 计算化学是一种计算化学.
- 材料科学是一种材料科学.
- 催化剂是一种催化剂.
背景情况:
- 气体/固体催化界面的计算建模对于材料和工艺优化至关重要.
- 目前的方法需要提高效率,准确性和吞吐量,以获得更广泛的实际影响.
研究的目的:
- 开发一种原创的方法,即催化过程的符合性采样 (CSCP),以加快新型催化系统的准确和彻底采样.
- 为新系统利用现有的计算数据,提高效率和预测能力.
主要方法:
- 结合密度函数理论 (DFT) 能量的插值,使用机器学习潜能.
- 采用合规技术构建培训数据库.
- 在CSCP框架内利用积极学习策略.
主要成果:
- 在仅仅两次主动学习代之后,CSCP实现了对反应能图的DFT精度级预测.
- 在七种不同的金属系统 (Pt, Pd, Ni, Au, Ag, Cu, Co, Fe) 中成功模拟了甲醇分解.
- 精确地复制了吸附点和反应机制的变化,证明了强度.
结论:
- CSCP提供了一个可操作的工具,以加快催化过程的高吞吐量采样.
- 该方法有效地将知识从已知案例转移到新系统.
- 能够对催化材料和反应进行高效准确的计算探索.
更多相关视频
12:11Computation of Atmospheric Concentrations of Molecular Clusters from ab initio Thermochemistry
Published on: April 8, 2020
8.1K
09:17Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion
Published on: March 1, 2022
3.1K
