物理と機械学習を用いた単一原子合金における偏析エネルギーの予測【JST・京大機械翻訳】

Salem Maya; Cowan Michael J.; Mpourmpakis Giannis

文献

J-GLOBAL ID：202202224863614320 整理番号：22A0728300

物理と機械学習を用いた単一原子合金における偏析エネルギーの予測【JST・京大機械翻訳】

Predicting Segregation Energy in Single Atom Alloys Using Physics and Machine Learning

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0728300&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0728300&from=J-GLOBAL&jstjournalNo=W5044A") }}

著者 (3件)： , ,
資料名：
巻： 7 号： 5 ページ： 4471-4481 発行年： 2022年
JST資料番号： W5044A ISSN： 2470-1343 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

単一原子合金(SAAs)は,触媒活性と選択性を高めることができるそれらの調整可能な特性のため,多様な反応のための触媒として大きな有望性を示す。SAAsを設計するためには,ヘテロ金属ドーパントが活性触媒サイトとして表面に安定であることは必須である。SAA安定性を調べる一つの主なアプローチは表面偏析エネルギーを計算することである。密度汎関数理論(DFT)を適用してSAAsの表面偏析エネルギーを調べた。しかし,DFTは計算的に高価で時間がかかる。したがって,金属ホストとドーパントの組み合わせで新しいSAA触媒の金属偏析をスクリーニングするための加速フレームワークの必要性がある。この目的のために,一連のSAA周期的スラブに対する機械学習を用いて表面偏析エネルギーを予測するモデルを開発した。モデルは,以前に開発した結合中心モデルに触発された要素記述子と特徴を利用する。初期モデルは,種々の表面ファセットと金属-ホスト対を有する多様な一連のFCCベースSAAsを通して表面偏析エネルギーを正確に捕捉した。機械学習方法論に従って,FCC,BCC,およびHCPドーパントを有するFCCホストから形成されるSAAsの新しいモデルを開発するために,著者らの解析を拡大した。最終,5特徴モデルは二次多項式カーネルリッジ回帰を利用した。モデルは,その物理的に動機付けられた特徴のため,高い精度で偏析エネルギーを予測することができる。次に,著者らのデータセットを拡張し,5つの特徴の精度を試験した。再訓練モデルは,異なる金属ホストとファセットを横切るE_seg傾向を正確に捉えることができ,最終モデルで使われる特徴の重要性を確認した。最後に,サイズ及びFCCドーパントの範囲の一連のIr及びPd系SAA立方八面体ナノ粒子(NP)に事前訓練モデルを適用した。注目すべきことに,著者らのモデル(周期的スラブに関する訓練)は,SAA NPのDFT偏析エネルギーを正確に予測した。結果は,SAA偏析エネルギーの迅速予測のための一般的ツールとして著者らのモデルの使用を支持する更なる証拠を提供した。バルク表面からNPへの金属偏析を予測するフレームワークを作成することにより,SAAsの熱力学的安定化を駆動する重要な物理化学的性質を同時に解明しながら,SAA触媒設計を加速できる。Copyright 2022 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

貴金属触媒 , 不均一系触媒反応 , 電気化学反応 , 酸化,還元

, , , , , ,

前のページに戻る