在TMN4-石墨烯中定制金属,轴联体和碳基质用于直接海水电解:采用密度函数理论和机器学习算法的一种协同方法
Wenhao Miao1, Qiuling Jiang2, Xiuxuan Hou2
1College of Chemical Engineering, Inner Mongolia University of Technology, Inner Mongolia Key Laboratory of Theoretical and Computational Chemistry Simulation, Hohhot 010051, PR China.
Journal of colloid and interface science
|August 16, 2025
概括
研究人员开发了144种用于直接海水电解的催化剂,确定了高效气生成的有希望的候选者. 机器学习确定了控制催化活性的关键特性,为改进电催化剂设计铺平了道路.
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:
- 对可持续能源的需求不断增长,推动了对海水直接电解以生产的研究.
- 开发稳定,活跃和选择性的氧进化反应 (OER) 催化剂对于这项技术至关重要.
研究的目的:
- 设计和评估144个过渡金属化物催化剂 (TMN4) 用于直接海水电解.
- 为了确定具有优越的OER活性和化物氧化反应 (ClOR) 选择性的催化剂.
- 使用机器学习了解催化剂特性与OER性能之间的相关性.
主要方法:
- 合成和计算选144个TMN4催化剂与修改的石墨烯基底和轴联体.
- 密度函数理论 (DFT) 计算来评估OER活动和ClOR选择性.
- 机器学习 (ML) 算法,包括梯度增强回归 (GBR),以将内在属性与OER性能相关联.
主要成果:
- 确定了12种具有优异OER活性的催化剂和4种具有良好的ClOR选择性的催化剂 (IrN4-S1,CoN4-S3,CoN4-S1-OH,MnN4-S1-Cl).
- ML模型显示,金属中心的电子负性,贝德电荷和d电子数量显著影响了OER活动.
- 确定了一个关键描述符"D",显示与OER过度潜力 (ηOER) 有着强烈的相关性.
结论:
- 该研究确定了用于直接海水电解的有希望的电催化剂,为高效的气生成提供了途径.
- 这些发现加深了对OER机制的理解,并为设计下一代电催化剂提供了基础.
- 建立了OER催化活性的关键描述符,促进了合理的催化剂设计.
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
18.4K
10:52Multiscale Sampling of a Heterogeneous Water/Metal Catalyst Interface using Density Functional Theory and Force-Field Molecular Dynamics
Published on: April 12, 2019
12.9K
