Machine learning to explore high-entropy alloys with desired enthalpy for room-temperature hydrogen storage: Prediction of density functional theory and experimental data

氢气储存 密度泛函理论 热力学 熵(时间箭头) 实验数据 材料科学 化学 计算机科学 物理 计算化学 数学 统计 有机化学
作者
Shivam Dangwal,Yuji Ikeda,Blazej Grabowski,Kaveh Edalati
出处
期刊:Chemical Engineering Journal [Elsevier]
卷期号:493: 152606-152606 被引量:3
标识
DOI:10.1016/j.cej.2024.152606
摘要

Safe and high-density storage of hydrogen, for a clean-fuel economy, can be realized by hydride-forming materials, but these materials should be able to store hydrogen at room temperature. Some high-entropy alloys (HEAs) have recently been shown to reversibly store hydrogen at room temperature, but the design of HEAs with appropriate thermodynamics is still challenging. To explore HEAs with appropriate hydride formation enthalpy, this study employs machine learning (ML), in particular, Gaussian process regression (GPR) using four different kernels by training with 420 datum points collected from literature and curated here. The developed ML models are used to predict the formation enthalpy of hydrides for the TixZr2-xCrMnFeNi (x = 0.5, 1.0 and 1.5) system, which is not in the training set. The predicted values by ML are consistent with data from experiments and density functional theory (DFT). The present study thus introduces ML as a rapid and reliable approach for the design of HEAs with hydride formation enthalpies of -25 to -39 kJ/mol for hydrogen storage at room temperature.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Mr_X发布了新的文献求助10
1秒前
2秒前
舒心雁风完成签到 ,获得积分10
2秒前
5秒前
6秒前
烟花应助万友儿采纳,获得10
6秒前
Hello应助不安的乌采纳,获得10
6秒前
啦啦啦发布了新的文献求助10
7秒前
Mr_X完成签到,获得积分10
7秒前
脑洞疼应助二师兄小刘采纳,获得10
8秒前
不配.应助整齐孤风采纳,获得10
9秒前
9秒前
2874完成签到,获得积分10
10秒前
STZHEN发布了新的文献求助10
11秒前
11秒前
11秒前
12秒前
小马甲应助大本金采纳,获得10
12秒前
852应助QIQ采纳,获得10
12秒前
12秒前
小鱼完成签到,获得积分10
13秒前
孙意冉完成签到,获得积分10
14秒前
renyi97发布了新的文献求助10
14秒前
123发布了新的文献求助10
15秒前
ddd完成签到,获得积分10
16秒前
55发布了新的文献求助10
16秒前
18秒前
19秒前
林盒发布了新的文献求助10
20秒前
Xu发布了新的文献求助10
22秒前
科研通AI2S应助XC采纳,获得10
22秒前
SciGPT应助zqq采纳,获得10
22秒前
细腻笑卉发布了新的文献求助10
22秒前
大个应助kangkangkyt采纳,获得10
24秒前
123完成签到,获得积分10
24秒前
深情安青应助啦啦啦采纳,获得30
24秒前
24秒前
万友儿发布了新的文献求助10
25秒前
25秒前
英姑应助细腻的迎海采纳,获得10
26秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3136624
求助须知:如何正确求助?哪些是违规求助? 2787645
关于积分的说明 7782625
捐赠科研通 2443718
什么是DOI,文献DOI怎么找? 1299386
科研通“疑难数据库(出版商)”最低求助积分说明 625429
版权声明 600954