加快发现高效的高合金电催化剂:高通量实验和数据驱动策略
Xiangyi Shan1,2, Yiyang Pan1,2, Furong Cai1
1State Key Laboratory of Electroanalytical Chemistry, Changchun Institute of Applied Chemistry, Chinese Academy of Sciences, Changchun 130022, China.
Nano letters
|September 3, 2024
概括
我们开发了一种结合高通量实验和机器学习的新方法,用于发现用于演化反应 (HER) 的高合金 (HEA) 电催化剂. 这种方法加速了有效的HEA催化剂的识别.
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
- 计算材料科学科学 计算材料科学
背景情况:
- 高合金 (HEAs) 作为电催化剂具有前景,但由于复杂的成分,在发现方面面临挑战.
- 高效的电催化剂对于演化反应 (HER) 至关重要,这是清洁能源技术中的一个关键过程.
研究的目的:
- 加速发现高合金 (HEA) 电催化剂,用于演化反应 (HER).
- 建立一个程序方法,整合高通量实验和数据驱动的策略,用于催化剂的开发.
主要方法:
- 使用模型系统快速准备具有多种元素组合和组成的HEA阵列.
- 使用扫描电化学细胞显微镜 (SECCM) 对内在活性进行高通量选.
- 开发一个集成机器学习 (EML) 模型,以基于组合-活动数据来预测催化剂活性.
主要成果:
- 为HEA系统生成精确的组成-活动数据集.
- EML模型成功地预测了整个组合子空间的活动.
- 根据模型预测,确定并验证了两个有前途的HEA电催化剂组.
结论:
- 高通量实验和数据驱动策略的综合方法显著加速了HEA电催化剂的发现.
- 这种方法为识别进化反应 (HER) 的高效HEA催化剂提供了一条新的途径.
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
3.5K
10:57Synthesis and Performance Characterizations of Transition Metal Single Atom Catalyst for Electrochemical CO2 Reduction
Published on: April 10, 2018
18.1K
