基于机器学习的氧析出反应金属氧化物催化剂逐原子设计
材料科学
2023-06-01 v1
摘要
绿色制氢对可持续未来至关重要，但尽管为获得最优设计（尤其是通过计算活性描述符）做出了诸多努力，当前氧析出反应（OER）催化剂仍存在动力学缓慢的问题。在本研究中，我们构建了一个钙钛矿氧化物块体与表面的密度泛函理论计算数据集，以及OER中间体的吸附能数据集，其组分涵盖至多四元体系，晶面涵盖至(555)。我们证明可通过元素替代与晶面调控来调谐钙钛矿氧化物诸如Bader电荷或能带中心等位点性质，并开发了可直接从局域化学环境准确预测这些性质的机器学习模型。我们利用这些位点性质识别出具有高理论OER活性的有前景钙钛矿。所识别的设计原则与有前景的新材料，为缩小当前人工催化剂与生物酶之间的差距提供了路线图。
引用
@article{arxiv.2305.19930,
title = {Atom-by-atom design of metal oxide catalysts for the oxygen evolution reaction with machine learning},
author = {Jaclyn R. Lunger and Jessica Karaguesian and Hoje Chun and Jiayu Peng and Yitong Tseo and Chung Hsuan Shan and Byungchan Han and Yang Shao-Horn and Rafael Gomez-Bombarelli},
journal= {arXiv preprint arXiv:2305.19930},
year = {2023}
}