从纯金属到合金的迁移式机器学习方案用于预测吸附能
材料科学
2021-07-07 v1 化学物理
摘要
合金因其可调的组成、结构与元素分布而在催化中展现出巨大潜力，但这也限制了潜在合金催化剂的快速筛选。机器学习方法能够处理多变量问题，但由于缺乏普适描述符，仍无法从纯金属的性质预测复杂合金催化剂。在此，我们提出一种基于基底与吸附物本征性质的迁移式机器学习模型，该模型仅通过训练过渡金属（TMs）的性质，即可预测单原子合金（SAAs）、AB 金属间化合物（ABs）与高熵合金（HEAs）的吸附能。此外，该模型从机器学习视角建立了合金上吸附能的构效关系，揭示了表面原子的价态、电负性与配位数以及吸附物的价态在决定吸附能中的作用。该迁移式方案增进了对合金上吸附机理的理解并推动了合金催化剂的快速设计。
引用
@article{arxiv.2107.02599,
title = {A Transferable Machine-learning Scheme from Pure Metals to Alloys in Predicting Adsorption Energies},
author = {Xin Li and Bo Li and Zhiwen Chen and Wang Gao and Qing Jiang},
journal= {arXiv preprint arXiv:2107.02599},
year = {2021}
}