人工智能驱动的催化剂基因发现及其在半导体氧化物上 CO2 活化中的应用
材料科学
2022-05-04 v3 化学物理
数据分析、统计与概率
摘要
催化材料设计需要对催化剂与反应物之间的相互作用进行预测建模。由于整个化学空间中结构-性质关系的复杂性和多样性，这是一项挑战。在此，我们报告一种利用人工智能方法（AI）子群发现的催化材料理性设计策略。我们识别与触发、促进或阻碍二氧化碳（CO）向化学转化活化的机制相关的催化剂基因（特征）。该 AI 模型在广泛氧化物家族的第一性原理数据上训练。我们证明，实验确定的优良催化剂表面一致地表现出导致 C-O 键强伸长的基因组合。相同的基因组合也使 OCO 角最小化，该角此前被提出作为活化的指标，尽管在满足 Sabatier 原理的约束下。基于这些发现，我们提出一组用于 CO 转化的新的有前景的催化剂材料。
引用
@article{arxiv.1912.06515,
title = {Artifcial-intelligence-driven discovery of catalyst \textit{genes} with application to CO2 activation on semiconductor oxides},
author = {Aliaksei Mazheika and Yanggang Wang and Rosendo Valero and Luca M. Ghiringhelli and Francesc Vines and Francesc Illas and Sergey V. Levchenko and Matthias Scheffler},
journal= {arXiv preprint arXiv:1912.06515},
year = {2022}
}