嗯灬啊灬把腿张开灬a片九月天 ,午夜刺激黄瓜西瓜葡萄榴莲漫画,小草在线观看免费视频

CO₂的電還原為實現碳循環和能源再生提供了一種可持續的途徑，開發用于CO₂還原反應（CO₂RR）的高效電催化劑是關鍵的科學問題。目前，雙金屬位點催化劑（DMSCs）在電化學CO₂RR中顯示出巨大的潛力。然而，調節多種過渡金屬的組合和結構是一項巨大的挑戰。

北化張欣/楊宇森JMCA: DFT+機器學習，高效篩選雙金屬位點CO2RR催化劑！

在此，北京化工大學張欣教授、楊宇森等人報道了一種數據驅動策略，采用DFT與機器學習（ML）算法相結合來預測1120個DMSCs（兩個過渡金屬原子嵌入在氮摻雜石墨烯中，即M₁-M₂-N₆-Gra，金屬和氮的配位數(ω)在2~4之間）的催化性能，以篩選出高效的CO₂RR電催化劑。

DFT計算結果表明，當ΔG_*CO大于0.11 eV時，U_L與ΔG_*CO之間存在良好的線性關系。然而，當ΔG_*CO小于0.11 eV時，線性關系被顯著破壞，導致使用ΔG_*CO對催化劑性能的預測不準確。因此，有必要通過使用具有簡單易用特性的機器學習來訓練更準確地描述DMSCs催化性能的預測模型。接下來，作者使用Pearson相關系數對特征進行分析，然后建立了具有這些特征的簡單ML模型，可在不到1分鐘的時間內獲得CO₂RR的U_L準確預測。

圖1. 不同ML算法的預測性能

研究表明，在4種不同的監督ML算法，即梯度提升回歸（GBR）、AdaBoosting 回歸（ABR）、隨機森林回歸（RFR）和線性回歸（LR）中，具有 17 個特征的梯度提升回歸（GBR）模型的預測精度最高，均方根誤差為0.09 V，決定系數R²為0.98。使用Pearson相關系數進行進一步的數據分析，ω和e是M₁-M₂-N₆-Gra的CO₂RR最顯著的描述符，催化性能隨配位數和電子轉移數的增加而增加。通過實施兩輪嚴格的特征選擇過程，4種DMSCs（Mn-Ru、Mn-Os、Zn-Ru和Co-Au-N₆-Gra-model 3）被確定為潛在的CO₂RR高效電催化劑。

通過DFT計算，作者以高精度（小于0.07 V誤差）的結果驗證了ML預測的這些數據。總之，這項工作展示了ML方法的巨大潛力，并為合理設計高性能電催化劑提供了一種有效且準確的篩選方法。

圖2. ML預測與DFT計算結果的比較

Data-driven design of dual-metal-site catalysts for the electrochemical carbon dioxide reduction reaction, Journal of Materials Chemistry A 2022. DOI: 10.1039/D2TA04556G

原創文章，作者：華算老司機，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2022/09/23/ec12461f53/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

北化張欣/楊宇森JMCA: DFT+機器學習，高效篩選雙金屬位點CO2RR催化劑！

相關推薦