清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Efficient catalyst screening using graph neural networks to predict strain effects on adsorption energy

催化作用 吸附 拉伤 缩放比例 材料科学 生物系统 密度泛函理论 人工神经网络 计算机科学 化学物理 化学工程 化学 计算化学 数学 物理化学 人工智能 有机化学 生物 工程类 解剖 几何学
作者
Christopher C. Price,Akash Singh,Nathan C. Frey,Vivek B. Shenoy
出处
期刊:Science Advances [American Association for the Advancement of Science]
卷期号:8 (47) 被引量:27
标识
DOI:10.1126/sciadv.abq5944
摘要

Small-molecule adsorption energies correlate with energy barriers of catalyzed intermediate reaction steps, determining the dominant microkinetic mechanism. Straining the catalyst can alter adsorption energies and break scaling relationships that inhibit reaction engineering, but identifying desirable strain patterns using density functional theory is intractable because of the high-dimensional search space. We train a graph neural network to predict the adsorption energy response of a catalyst/adsorbate system under a proposed surface strain pattern. The training data are generated by randomly straining and relaxing Cu-based binary alloy catalyst complexes taken from the Open Catalyst Project. The trained model successfully predicts the adsorption energy response for 85% of strains in unseen test data, outperforming ensemble linear baselines. Using ammonia synthesis as an example, we identify Cu-S alloy catalysts as promising candidates for strain engineering. Our approach can locate strain patterns that break adsorption energy scaling relations to improve catalyst performance.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
Hello应助科研通管家采纳,获得10
10秒前
drhwang完成签到,获得积分10
18秒前
研究生完成签到 ,获得积分10
22秒前
25秒前
38秒前
56秒前
1分钟前
1分钟前
谦让寻凝完成签到 ,获得积分10
1分钟前
土豆··发布了新的文献求助20
1分钟前
1分钟前
淡淡醉波wuliao完成签到 ,获得积分0
1分钟前
小蘑菇应助弯弯的小河采纳,获得10
1分钟前
Owen应助科研通管家采纳,获得10
2分钟前
2分钟前
Aaron发布了新的文献求助10
2分钟前
CodeCraft应助Betty采纳,获得10
2分钟前
土豆··完成签到,获得积分10
2分钟前
3分钟前
桥西小河完成签到 ,获得积分10
3分钟前
3分钟前
大医仁心完成签到 ,获得积分10
3分钟前
Betty发布了新的文献求助10
3分钟前
汉堡包应助Sinner采纳,获得10
3分钟前
lilaccalla完成签到 ,获得积分10
3分钟前
4分钟前
lanxinge完成签到 ,获得积分10
4分钟前
4分钟前
4分钟前
4分钟前
Sinner发布了新的文献求助10
4分钟前
4分钟前
4分钟前
4分钟前
xhcccc发布了新的文献求助20
4分钟前
SciGPT应助跳跃的代曼采纳,获得10
5分钟前
Yolo完成签到 ,获得积分10
5分钟前
5分钟前
跳跃的代曼完成签到,获得积分10
5分钟前
5分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
Immigrant Incorporation in East Asian Democracies 600
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
A Preliminary Study on Correlation Between Independent Components of Facial Thermal Images and Subjective Assessment of Chronic Stress 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3968504
求助须知:如何正确求助?哪些是违规求助? 3513318
关于积分的说明 11167297
捐赠科研通 3248697
什么是DOI,文献DOI怎么找? 1794414
邀请新用户注册赠送积分活动 875030
科研通“疑难数据库(出版商)”最低求助积分说明 804652