文献

J-GLOBAL ID：202202217500823673   整理番号：22A0740891

機械学習加速DFT研究による非晶質合金触媒の電極触媒性能の物理的起源の探索【JST・京大機械翻訳】

Exploring the physical origin of the electrocatalytic performance of an amorphous alloy catalyst via machine learning accelerated DFT study

著者 (5件)： Gao Siyan (Institute of Nanosurface Science and Engineering, Guangdong Provincial Key Laboratory of Micro/Nano, Shenzhen University, Shenzhen 518060, China. [e-mail]) ,  Zhen Huijie ,  Wen Bo ,  Ma Jiang ,  Zhang Xi
資料名： Nanoscale  (Nanoscale)
巻： 14  号： 7  ページ： 2660-2667  発行年： 2022年 
JST資料番号： W2323A  ISSN： 2040-3364  CODEN： NANOHL  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 非晶質合金Pd_40Ni_10Cu_30P_20は,優れた電極触媒活性を有し,実用的な実験において高い耐久性を持つので,HER触媒として上昇しているスターである。しかし,非晶質合金触媒の電極触媒性能の物理的起源は,非晶質モデリングの困難さとDFT計算の巨大なコストのためにまだ不明である。ここでは,Pd_40Ni_10Cu_30P_20触媒の局所原子環境の効果に関するDFT研究を加速するために,原子位置-Machine Learning(SOAP-ML)モデルの平滑オーバラップを構築した。純粋なDFT計算結果および実験と比較して,著者らのモデルは,最良の触媒作用を有する局所原子環境の良好な予測(MSE=0.018)をした。非晶質合金表面の40000の活性部位を計算し,合金触媒の最適原子比(Pd:Cu:P:Ni=0.51:0.33:0.09:0.07)を得たが,これはPdd電子が主に触媒性能を高めることを示した。SOAP-MLモデルを用いて,Niの脱合金化としての長い耐久性の物理的起源を明らかにし,これは実験結果と非常に一致した。上記の結果は,確立されたSOAP-MLモデルの高精度と信頼性をすべて証明し,非晶質合金の将来の応用に対する魅力的なアイデアを提供する。Copyright 2022 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  ニッケル ,  *触媒活性 ,  活性部位 ,  *非晶質 ,  耐久性 ,  *電極触媒 ,  密度汎関数法 ,  *金属触媒 ,  *非晶質合金 ,  *機械学習
準シソーラス用語： 触媒作用 ,  脱合金 ,  電極触媒活性 ,  原子比 ,  *合金触媒 , 【Automatic Indexing@JST】

分類 (1件)： 電気化学反応  (CB07050F)

タイトルに関連する用語 (10件)： 機械学習 ,  加速 ,  DFT ,  研究 ,  非晶質 ,  合金触媒 ,  触媒性能 ,  物理 ,  起源 ,  探索