机器学习赋能的下一代氢析出反应催化剂搜索
材料科学
2021-09-23 v1
摘要
开发由低成本材料制成的用于氢析出反应（HER）的活性催化剂，是氢能利用中的关键挑战。近年来发现的富土元素二硫化钼（MoS）对 HER 具有良好的活性和稳定性。在本报告中，我们采用水热技术合成 MoS，这是一种经济高效且环境友好的方法，并具有未来大规模生产的潜力。为研究结构-性能关系，进行了扫描电子显微镜（SEM）、透射电子显微镜（TEM）、X 射线衍射（XRD）、拉曼光谱、X 射线光电子能谱（XPS）以及各种电化学表征。观察到材料结构与 HER 性能之间的强相关性。此外，构建了机器学习（ML）技术，并随后在贝叶斯优化框架内使用，以在有限参数空间内验证合成高质量 MoS 催化剂的最优参数组合。该模型将能够指导 MoS 的湿化学合成，并最终生产出最有效的 HER 催化剂。
引用
@article{arxiv.2109.10890,
title = {Machine-Learning Enabled Search for The Next-Generation Catalyst for Hydrogen Evolution Reaction},
author = {S. Wei and S. Baek and H. Yue and S. Yun and S. Park and Y. Lee and J. Zhao and H. Li and K. Reyes and F. Yao},
journal= {arXiv preprint arXiv:2109.10890},
year = {2021}
}