分会

第四十六分会：纳米体系理论与模拟

摘要

通过电催化反应实现化学能与电能之间的相互转化是可再生能源利用技术中的关键。一些重要的能源转化反应如HER，HOR，OER，ORR等往往具有迟缓的动力学特性，需要为其寻找优良的催化剂以降低反应能垒，加速反应进程。传统的Pt基催化剂具有成本高的缺点，引入掺杂原子和施加应变是降低催化剂成本、改善催化剂活性的方法。然而，掺杂原子和应变的引入极大提高了催化剂设计的复杂度，首先，掺杂原子可以有不同的掺杂比例和掺杂位置；其次，寻找最优的掺杂、应变组合进一步增加了研究的计算量。基于以上问题，本文引入机器学习方法探索催化剂中的合金效应和应变效应。本文比较了不同的主动学习策略，设计了适配于双组份催化剂的特征，该特征在双组份金属、金属磷化物和金属氧化物活性预测上取得了令人满意的效果。本文提出的机器学习方法具有预测精度高，所需数据少等优点，该方法在双组分纳米催化剂的理论设计上具有指导意义。

关键词

催化剂;机器学习;合金效应;应变效应

线上墙报仅限年会已缴费参会代表观看。

您还没有登录，请您先 点击这里登录