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

趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑

招生:
論文通訊作者趙仕俊團(tuán)隊長期招收計算材料和機器學(xué)習(xí)方向的博士生,歡迎優(yōu)秀學(xué)生聯(lián)系 shzhao@cityu.edu.hk。點此了解趙老師:
https://scholars.cityu.edu.hk/en/persons/shijun-zhao(b956b94f-a138-4df9-880b-f82528cb3ecb).html#opennewwindow
導(dǎo)讀
電催化在緩解能源危機與減少環(huán)境污染方面扮演者重要角色。傳統(tǒng)電催化劑如IrO2, RuO2, 和Pt被成功運用于提升燃料電池的反應(yīng)速率。然而,因為受到線性關(guān)系的約束及高昂的成本,這些催化劑的大規(guī)模應(yīng)用受到了限制。
高熵合金由五種及其以上的金屬元素組成,高熵合金為電催化反應(yīng)設(shè)計提供了一個新的平臺。與有序的金屬與合金不同,高熵合金因為由獨特的化學(xué)無序性和局域環(huán)境的畸變使其有可能打破線性關(guān)系的約束。
高熵合金同時提供了廣闊的組分優(yōu)化的空間和出色的動態(tài)穩(wěn)定性。一些先進(jìn)的合成方法也成功地被應(yīng)用于合成高熵合金納米團(tuán)簇,甚至包含了傳統(tǒng)上被認(rèn)為不互溶的組分。
由于高熵合金組分空間巨大且表面位點多,設(shè)計及優(yōu)化高熵催化劑的組成和位點面臨巨大的挑戰(zhàn)。例如,為了獲得吸附質(zhì)在某一組分表面的吸附性質(zhì),研究者需要進(jìn)行大量的計算,以獲取可靠的吸附能分布。對與新的組分則需要新的計算。因此,用計算模擬的方法來理性合計高熵催化劑要面臨高昂的計算成本。
近日,香港城市大學(xué)趙仕俊團(tuán)隊(主要通訊作者)華南理工大學(xué)康雄武團(tuán)隊合作開發(fā)并驗證了一種基于注意力機制的深度圖神經(jīng)網(wǎng)絡(luò)。首先作者準(zhǔn)備了包含80萬幀結(jié)構(gòu)的數(shù)據(jù)集。然后訓(xùn)練了高精度原子圖注意力神經(jīng)網(wǎng)絡(luò)(AGAT)
而后,用訓(xùn)練好的模型和DFT電子結(jié)構(gòu)分析發(fā)現(xiàn)d帶中心理論和線性關(guān)系在高熵催化劑的表面是成立的。為了使AGAT模型可以探索整個組分空間,作者進(jìn)一步準(zhǔn)備了非等主元的數(shù)據(jù)集,該數(shù)據(jù)集大小遠(yuǎn)小于等主元數(shù)據(jù)集。
基于高通量預(yù)測結(jié)果,兩個非等主元組分(Ni0.13Co0.13Fe0.13Pd0.10Pt0.50和Ni0.10Co0.10Fe0.10Pd0.30Pt0.40)被推薦為高活性高熵催化劑。實驗成功制備了Ni0.20Co0.20Fe0.20Pd0.20Pt0.20和AGAT推薦的高活性催化劑,并表明推薦的兩個非等摩爾比樣品活性高于Pt/C活性,進(jìn)一步驗證了模型的可靠性。
論文進(jìn)一步揭示了高熵催化劑繞過線性關(guān)系約束的機制。相關(guān)研究成果以“Design high-entropy electrocatalyst via interpretable deep graph attention learning”為題發(fā)表在Joule
論文鏈接:
https://doi.org/10.1016/j.joule.2023.06.003
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
圖1. AGAT模型架構(gòu)
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
圖2. RuRhPdIrPt體系吸附能分布
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
圖3. NiCoFePdPt體系吸附能分布
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
圖4. 測試集AGAT模型精度
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
圖5. 高熵電催化劑的理性設(shè)計
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
圖6. 實驗驗證推薦組分
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
圖7. AGAT模型的可解釋性
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑
圖8. 高熵電催化劑繞過線性關(guān)系的限制
小結(jié)
綜上所述,本文開發(fā)了深度圖注意力神經(jīng)網(wǎng)絡(luò)(AGAT),模型在預(yù)測能量和受力的平均絕對誤差分別為1.1 meV/atom 和54 meV/?。AGAT模型提供了一種無需特征工程的端到端的方案。
基于訓(xùn)練好的AGAT模型,作者預(yù)測了ORR中間體在RuRhPdIrPt和NiCoFePdPt表面的結(jié)合強度。另外,論文結(jié)果表明傳統(tǒng)d帶理論和線性關(guān)系在高熵材料表面依然成立。但高熵材料可以通過表面豐富的位點來繞過線性關(guān)系對催化活性的限制。
通過進(jìn)一步探索Ni-Co-Fe-Pd-Pt體系,AGAT模型推薦了兩個高ORR活性的非等主元組分,分別為:Ni0.13Co0.13Fe0.13Pd0.10Pt0.50和Ni0.10Co0.10Fe0.10Pd0.30Pt0.40
本文通過實驗進(jìn)一步驗證了AGAT模型的推薦。由于模型的注意力分?jǐn)?shù)完善地解釋了AGAT模型地預(yù)測行為,論文進(jìn)一步說明AGAT模型為可解釋深度學(xué)習(xí)模型。通過理解AGAT模型,本文表明吸附質(zhì)對表面原子地影響局限在3近鄰或4.5 ?以內(nèi)。
趙仕俊&康雄武重磅Joule:可解釋深度圖神經(jīng)網(wǎng)絡(luò)設(shè)計高熵電催化劑

 點擊閱讀原文,報名計算培訓(xùn)!


原創(chuàng)文章,作者:計算搬磚工程師,如若轉(zhuǎn)載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2023/10/30/1d5f1defd6/

(0)

相關(guān)推薦

主站蜘蛛池模板: 凤阳县| 驻马店市| 吉木萨尔县| 衡东县| 巴林左旗| 理塘县| 松潘县| 错那县| 张掖市| 上栗县| 肥城市| 泾源县| 新野县| 新疆| 拉萨市| 雷州市| 元谋县| 宣武区| 芜湖县| 武汉市| 夏津县| 峡江县| 乐山市| 永德县| 修文县| 哈巴河县| 深泽县| 全椒县| 太湖县| 墨江| 朔州市| 衡水市| 台湾省| 班戈县| 桂阳县| 莱州市| 屯留县| 昭苏县| 新津县| 许昌市| 河间市|