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
当地时间12月17日，美国国家航天航空局（NASA）发表声明称，受不利的天气情况影响，美国国家航天航空局和太空探索技术公司（Spa 关于启动2024年与莫斯科大学互换奖学金、与圣彼得堡大学互换奖学金遴选工作的通知 根据《中国国家留学基金管理委 年终岁末，当很多高校教师都忙于年末工作总结时，另一些教师却在为一场场的艺术演出奔忙着——仅在近期，国内就有云南、 12月13至14日，在教育部、陕西省人民政府的支持下，由教育部学校规划建设发展中心主办，陕西省教育厅、西安建筑科技大学、绿 中新网伦敦1月2日电 (彭欣怡)当地1月2日，英国气象局发布数据指出，2023年是英国自1884年有气象记录以来第二热的一年，仅 关于发布《中国博士后科学基金资助指南（2024年度）》的通知 中博基字〔2024〕2号 各省、自治区、直辖市及新疆生产 。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