近日，电子科技大学基础与前沿研究院教授王斌、特聘研究员刘芯言和光电科学与工程学院程教授建丽提出一种基于机器学习辅助的过渡金属化合物（TMCs）筛选方法，用于快速发现适用于Li-CO2与Li-Air电池的高效催化剂。相关论文于11月7日发表于《美国化学会志》。
过渡金属化合物（TMCs）因其丰富的化学组成与可调的电子结构，作为Li-CO2和Li-Air电池的正极催化剂，受到广泛关注。然而，过渡金属候选材料数量庞大，传统的“试错法”材料设计方法不仅耗时漫长，而且研发周期复杂。
针对这一挑战，研究团队提出了一种迭代式机器学习工作流程，以加速高性能Li-CO2电池正极催化剂的发现，并通过实验验证了其有效性。该方法在机器学习模型的指导下，通过不断补充训练数据集实现模型的自我优化，能够直接预测催化剂的关键性能指标——过电位。
在该体系中，研究人员从15,012种过渡金属化合物中高效筛选出三种具有代表性的TMC催化剂并成功合成。实验验证结果表明，预测模型的平均绝对误差仅为0.106 V，显示出优异的预测精度。其中，Co0.1Mo0.9N表现出最优的催化性能，被进一步用于Li-CO2电池和Li-Air电池的机理分析与电化学性能测试。在50 mA g?1电流密度下，Co0.1Mo0.9N在Li-CO2和Li-Air电池中分别实现了仅0.55 V和0.65 V的低过电位。机理分析表明，Co掺杂有效调控了MoN的电子结构，促进了电子转移，从而显著提升了催化活性。
该研究为利用机器学习加速新型电池催化剂的筛选与设计提供了新的技术路径，也为构建更加高效、可持续的电化学能源体系奠定了基础。
相关论文信息：https://doi.org/10.1021/jacs.5c15395
一年前，美国国家点火装置（NIF）产生了一种聚变反应，其释放的能量超过消耗的能量，这种现象被称为点火。今年，NIF通过一次又一次 关于2023年第二批拟备案的省自然科学基金结题验收项目的公示 根据《河南省自然科学基金项目管理办法》（豫科〔2022 2023年，对中国高等教育而言，是内外激荡的一年。 ChatGPT的横空出世让高等教育界猝不及防；疫情的结束使得公众对校园 近日，“张雪峰称文科都是服务业”这一词条引发网友关注与热议。此前，“考研名师”张雪峰还说过，即使把孩子打晕，也 12月17日，由中国科学院大学马克思主义学院、中国科学院大学党史党建研究中心主办的“纪念毛泽东同志诞辰130周年学术研讨 近日，日本政府批准了一项立法，要求6所顶尖大学成立新的管理政策委员会，使外部专家在决策中有更大的发言权。 据《科 。本文链接：迭代式机器学习加速新型电池催化剂开发http://www.sushuapos.com/show-11-28690-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
下一篇： 不只是“抗菌剂” 石墨烯的双重角色被揭示