通过机器学习破解AgAuCuPdPt高合金纳米粒子的缩放关系
Juan Manuel Arce-Ramos1, Quang Thang Trinh2, Zicong Marvin Wong1
1Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR), 1 Fusionopolis Way, #16-16 Connexis, Singapore 138632, Republic of Singapore. tantl@ihpc.a-star.edu.sg.
Materials horizons
|September 2, 2025
概括
研究人员开发了高合金纳米粒子,以克服二氧化碳电还原的局限性. 确定了特殊的金铜位点,打破了缩放关系,提高了减少二氧化碳的催化剂性能.
科学领域:
- 材料科学
- 电化学
- 催化剂
背景情况:
- 通过将中间稳定性与二氧化碳吸附相合,线性缩放关系限制了二氧化碳的电减量 (CO2RR).
- 纯铜催化剂由于这些缩放关系而达到性能上限.
研究的目的:
- 设计新的电催化剂,克服CO2RR中的线性缩放关系所造成的限制.
- 确定高合金 (HEAs) 中的特定活性位点,以改善二氧化碳的电减.
主要方法:
- 使用密度函数理论 (DFT) 计算来训练机器学习替代模型.
- 在 AgAuCuPdPt HEA 纳米粒子中选了数百万个本地环境,使用蒙特卡洛模拟.
- 确定并明确研究了CO,*COOH和*CHO吸附的有希望的催化场所.
主要成果:
- 发现的"特殊"位点:与Cu原子 (CN=6) 邻近的Au中心,稳定*COOH和*CHO的双酸结合.
- 实现了约0 eV的电位限制步骤 (CO → * CHO),打破了CO*和CHO*的缩放关系.
- 确定了超出单金属火山CO2RR限值的HEA活动点.
结论:
- 开发的双层机器学习+DFT工作流可以有效地识别高性能主动站点.
- 这种方法提供了一个可转移的路线图,用于设计下一代CO2RR电催化剂.
- 纳米化HEAs提供了一个有前途的策略,以超越传统的催化剂在二氧化碳的电解.
