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
这些年，我们为什么越来越频繁提到创新？因为只有在原始创新上持续发力，在基础理论方法上有所突破，我们才能摆脱对国外的 根据12月13日发表于《自然》上的两项研究，澳大利亚北部和中部地区的土著是地球上基因最独特的群体，他们的基因变异率很高， 随着出版商努力清理大量伪造论文、打击同行评议欺诈行为，2023年，被撤回的研究论文数量已超过1万篇，打破了年度纪录。 习近平总书记强调，要加大应用基础研究力度，以推动重大科技项目为抓手，打通“最后一公里”，拆除阻碍产业化的“篱笆墙”，疏通 中国科协办公厅关于开展2023年度国家科学技术奖提名工作的通知 各全国学会、协会、研究会，各省、自治区、直辖市科 省教育厅关于下达2024年普通高校“专转本”计划的通知 苏教学函〔2023〕22号 各有关高校： 根据《省教育厅关于做好2024年 。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