?!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> 天天插天天,久久2021国产,糖心VLOG

9I精品视频,日日日夜夜天天人人精品综合,日本天天干婷婷,超碰狼友久久人人天天,永久入口,伊人影院永久地址精品,亚洲欧洲中文日韩久久AV乱码,国产b站免费版视频,国产情侣免费在线视频,999天天看免费视频,国产一区在线,曰本A级毛片无卡免费视频Va,日韩欧美综合在线二区三区,夜夜草电影网,久久精品在线观看视频,亚洲精品免费www52zcm男男

化工
当前位置Q?首页 >> 资讯 >> 化工 >> 行业动?/a> >> 正文


  CC会对能源需求得寻求可持箋、清z和高效率的能源生񔭑来重要。电(sh)解水是一U高效的可持l生成氢气的途径Q被认ؓ是未来可再生能源生、储存和使用的有效方法。Oxygen evolution reactionQOERQ作为电(sh)解水的阴极反应是提高?sh)解制氢的关键反应。目前单原子催化剂因其具有百分百利用率,均一性和选择性被认ؓ是最有效的OER催化剂,因此Q制备稳定的高催化效率单原子催化剂具有重要意义。然而,׃对不同金属单原子的Ş成机理,催化性能{问题的探究不Q简单及低成本制备稳定的单原子催化剂成ؓ当前催化领域的重大挑战?br />
  马里兰大学李腾教授课题组提出了一U基于第一性原理计和拓扑l构机器学习的单原子催化剂设计方案。该Ҏ(gu)不仅为理性选择q制备过渡金属元素单原子催化剂提供了理论指导Q还对单原子催化剂性能评估的速度比单U通过 DFT计算?3万倍。这U超高效的设计方案得对所有过渡金属单原子的电(sh)催化zL进行全面预和评估成ؓ可能Q从而ؓ单原子催化剂的设计提供了前所未有的理性指对{相兛_作以“Machine learning accelerated prediction of overpotential of oxygen evolution reaction of single atom catalysts”ؓ题,在线发表于《iScience》,q被选ؓ2021q?月䆾的期刊封面?br />
I 金属单原子的OER催化性能
  该研I团队利用DFTҎ(gu)计算?5U金属原子分别在单空位和双空位缺陷处的OER性能。根据图1A的OER反应q程计算了反应中间体QOQOHQ和OOH在金属上的吸附能Qƈ计算其过?sh)势Q根据过?sh)势的大判断其催化性能Q图1B-EQ?br />


? 15U金属原子分别在单空位和双空位缺陷处的OER催化q电(sh)?

II Z拓扑l构的机器学习方?/strong>
  Z克服DFTҎ(gu)“计周期长”、“占用计资源巨大”的问题Q李腾教授课题组创新性地提出了一U基于拓扑结构机器学习的OER催化zL预方法。本Ҏ(gu)主要Z拓扑l构学习法Q通过分析金属原子周围的拓扑结构,提取节点信息和金属原子与基底的链接信息ƈl合量的(单空位结构和双空位结构金属原?3个)DFT计算数据Q训l预模型,q其余过渡金属在不同l构_底的OER催化性能 Q图2Q?br />



? Z拓扑l构的机器学习方?

III Z拓扑l构的机器学习方法预单原子OER催化性能
  本文Z拓扑l构的机器学习方法不仅将金属原子周围l构信息作ؓ输入数据Q还引入与OER催化性能相关的五个参敎ͼ金属元素的质量,半径Qd轨道?sh)子书,电(sh)负性,?sh)子亲和能和W一늦能,?BQ对模型q行预测Q预误差精度ؓ6.49 % Q图3AQ。本研究提出的基于机器学习方法的单原子催化剂预测Ҏ(gu)Q能够大q地提高催化剂的{选速度。具体地Q在 40 核心的超上q行 DFT 计算Q每U元素的 ORR 催化zL确定需要大?6个小时。而基于机器学习的Ҏ(gu)包括训练和预共14U元素ȝ时约40U,q且可在家用W记本电(sh)脑上q行。催化剂的筛选速率提高了约 130,000 倍(?CQ?br />


? Z拓扑l构的机器学习方法加速金属OER催化性能的预?

IV单原子OER催化性能与元素属性的关系
  Z更有效地选取单原子催化剂Q该研究团队提出了一U火山型曲线描述Ҏ(gu)Qƈ所有的单原子催化剂?OER 催化zL进行表?Q图4b,cQ?br />


? 单原子催化性能与元素属性的火山型关p?

论文引用信息Q?/strong>
Machine learning-accelerated prediction of overpotential of oxygen evolution reaction of single-atom catalysts, iScience, Vol. 24, Issue 5, (2021) 102398.

作者简介:
  马里兰大学李腾教授团队(http://lit.umd.edu/Q专注于高性能可持l材料、Y材料、低l纳cx料、原子尺度催化剂、能源存储材料等的设计与开发,相关研究成果发表在Nature, Science, Nature Review Materials, Nature Nanotechnology, Nature Sustainability, PNAS, PRL, JACS, Advanced Materials, Materials Today, Advanced Energy Materials {国际顶U期刊,q于2018q荣莯誉ؓ“国际发明创造奥斯卡”的R&D100大奖Q以?019q马里兰大学q度发明奖(物理U学领域Q。李腾教授现任马里兰大学先进可持l材料与技术实验室MQQExtreme Mechanics Letters副主~,荣获国际工程U学学会青年U学家奖章(2016Q。李腾教授在2006q和哈佛(jng)大学锁志刚教授共同发起创建iMechanica.org,目前已经成ؓ国际力学领域用户最多的|络资源q_?br />   李腾教授的微信视频号2020q??日开?Q微信视频号Q李腾教授)Q旨在分享科研心得,助力青年学者科研腾飞。每天发布的短视频受到广泛关注ƈ被媒体采访,q速成为微信视频号U研cd部大受?br />   李腾教授每周三、周六北京时间晚9点准时在微信视频L播。目前已l通过微信视频L播ؓ过12?U研人员提供q货内容。他在视频号推出的【科研论文专安诊】系列直播节目,首创现场直播修改论文。在节目开办第一个月直播间d观超q?.2万,单场最高场?.2万,ȝ赞次数超q?5万,q速成为科研h员关注的热点直播?br />

  加李腾教授微信,W一旉收到【科研腾飞专安诊】的最新直播信息?


相关链接
https://doi.org/10.1016/j.isci.2021.102398

免责声明Q部分资料来源于|络Q{载的目的在于传递更多信息及分nQƈ不意味着赞同其观Ҏ(gu)证实其真实性,
也不构成其他。仅提供交流q_Q不为其版权负责。如涉及侉|Q请联系我们及时修改或删除?br>邮箱Qinfo@polymer.cn
Q责ȝ辑:sunQ?
?a href="/news/comment281326">查看评论】?a href="javascript:doZoom(16)">?/a> ?/a> ?/a>】?a href="javascript:window.print();">打印】?a href="javascript:window.close();">关闭?