数据驱动的电池催化剂的通用结构-属性关系
Zhiyuan Han1, Shengyu Tao1, Yeyang Jia1
1Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, PR China.
Journal of the American Chemical Society
|June 23, 2025
概括
研究人员开发了一种数据驱动的模型来了解硫电池中的催化剂性能. 他们发现了硫还原反应的新描述剂,从而发现了像CrB2这样的新型高性能催化剂.
科学领域:
- 材料科学
- 电化学
- 计算化学
背景情况:
- 了解-硫 (Li-S) 电池中硫还原反应 (SRR) 催化作用的结构特性关系至关重要,但具有挑战性.
- 第一原则计算的局限性阻碍了复杂的催化数据的分析.
研究的目的:
- 开发一个数据驱动的异质催化知识融合模型.
- 为SRR催化确定通用和定量结构属性关系 (UQSPR).
- 发现高性能Li-S电池的新型催化剂.
主要方法:
- 协作数据驱动模型整合了2900多篇SRR催化文章 (2004-2024年).
- 确定独立选和分散操作符以识别关键描述符.
- 原子拓排列和催化剂-多硫化物相互作用强度的分析.
主要成果:
- 确定了一个由分散因子主导的复合描述符"D",它预测了催化活性.
- 准确预测了800多种催化剂的活性,建立了UQSPR.
- 在374,833个候选物质中发现了数十种新的SRR催化剂,其中包括CrB2,在苛刻的条件下表现出卓越的性能.
- 基于CrB2的袋式电池实现了436Wh/kg的重力特异能.
结论:
- 数据驱动的方法有效地识别了UQSPR,使用了大量的异质数据.
- 这种方法通过利用历史文献来促进新型催化剂的发现.
- 确定了描述符和方法,有望在Li-S电池技术中取得重大进展.
