機器學習設計ORR催化劑

據國內媒體報道：近日，國際著名能源期刊《Nature Energy》上報道了一篇通過機器學習篩選材料和實驗驗證的方式，加速發展高性能ORR電催化劑的文章。利用這種機器學習驅動新型電催化材料發展的方法，發現了離子Lewis酸強度能夠非常好的描述鈣鈦礦氧化物的催化活性。作者從6871種(zhong)特(te)定(ding)組(zu)分(fen)的(de)鈣(gai)鈦(tai)礦(kuang)材(cai)料(liao)中(zhong)篩(shai)選(xuan)了(le)四(si)種(zhong)可(ke)能(neng)具(ju)有(you)高(gao)活(huo)性(xing)的(de)氧(yang)化(hua)物(wu)，並(bing)且(qie)通(tong)過(guo)實(shi)驗(yan)驗(yan)證(zheng)其(qi)具(ju)有(you)優(you)異(yi)的(de)催(cui)化(hua)活(huo)性(xing)。實(shi)驗(yan)表(biao)征(zheng)結(jie)果(guo)顯(xian)示(shi)，通(tong)過(guo)降(jiang)低(di)鈣(gai)鈦(tai)礦(kuang)的(de)A位
、提高鈣鈦礦的B位離子Lewis酸強度，能夠顯著的改善表麵交換反應動力學。通過DFT理論計算說明催化活性的改善主要歸因於A、B位點的極性分布變化導致，並且能夠降低氧空穴的形成能和氧空穴的移動能壘。

該文章是由香港理工大學倪萌、南京工業大學邵宗平
、深圳大學謝和平等人共同完成。文章介紹機器學習技術已成功應用於開發高活性燃料電池陰極。 和以前的DFT fangfaxiangbi
，tamendefangfajinjinyikaofenzishiwuxujianlifenzimoxingzaijiqixunlianhoujiunengyucecailiaoshuxing，yincigaifangfajuyoudichengbenhegaokaifaxiaolvdetexing。raner，zuoweiyizhongshujuqudongdefangfa
，shujudeshuliangheshujuzhiliangzhijieyingxiangjiqixuexidezhunquexing。muqiandiwenranliaodianchidexiangguanshujubuzunanyishixiancuihuahuoxingdeyuce，yinciweileweilaijiqixuexidefazhan，xuyaojiakuaicailiaoshujukudejianli。

原文下載連接如下：https://www.nature.com/articles/s41560-022-01098-3#Fig1