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

催化作用 无定形固体 合金 材料科学 非晶态金属 化学工程 耐久性 纳米技术 冶金 复合材料 化学 结晶学 有机化学 工程类
作者
Siyan Gao,Huijie Zhen,Bo Wen,Jiang Ma,Xi Zhang
出处
期刊:Nanoscale [The Royal Society of Chemistry]
卷期号:14 (7): 2660-2667 被引量:12
标识
DOI:10.1039/d1nr07661b
摘要

The amorphous alloy Pd40Ni10Cu30P20 is a rising star as an HER catalyst since it possesses an excellent electrocatalytic activity and a high durability in practical experiments. However, the physical origin of the electrocatalytic performance of the amorphous alloy catalyst is still unclear due to the difficulty of amorphous modelling and the huge cost of DFT calculations. Here, we built a Smooth Overlap of Atomic Positions-Machine Learning (SOAP-ML) model to accelerate the DFT study on the effect of the local atomic environment of the Pd40Ni10Cu30P20 catalyst. Compared to pure DFT-calculated results and experiment, our model makes a good prediction (MSE = 0.018) of the local atomic environment with the best catalysis. We calculated 40 000 active sites on the amorphous alloy surface and obtained the optimal atomic ratio of the alloy catalyst (Pd : Cu : P : Ni = 0.51 : 0.33 : 0.09 : 0.07), indicating that the Pd d electrons mainly enhance the catalytic performance. We employed the SOAP-ML model to reveal the physical origin of the long durability as the dealloying of Ni, which is highly consistent with the experimental results. The above results all prove the high accuracy and reliability of the established SOAP-ML model and provide an appealing idea for the future application of the amorphous alloy.
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
暮光之城完成签到,获得积分10
刚刚
CMUSK完成签到,获得积分10
刚刚
Ryan完成签到,获得积分10
刚刚
HU发布了新的文献求助10
刚刚
ao黛雷赫完成签到,获得积分10
1秒前
2秒前
大气糖豆完成签到 ,获得积分10
2秒前
嘻鱼徐发布了新的文献求助10
2秒前
Iuu发布了新的文献求助10
6秒前
轻松的芯完成签到 ,获得积分10
8秒前
Rjy完成签到 ,获得积分10
8秒前
彭于晏应助甜叶菊采纳,获得10
10秒前
10秒前
HU完成签到,获得积分10
10秒前
ZBM完成签到,获得积分10
10秒前
wangyu完成签到,获得积分10
11秒前
Carrie发布了新的文献求助10
11秒前
张小度ever完成签到 ,获得积分10
11秒前
iNk应助somous采纳,获得10
12秒前
棵虫完成签到,获得积分10
12秒前
14秒前
AteeqBaloch完成签到,获得积分10
15秒前
漂亮夏兰完成签到 ,获得积分10
16秒前
弥禄发布了新的文献求助10
16秒前
勤奋青寒完成签到,获得积分10
17秒前
我现在弱得可怕完成签到,获得积分10
17秒前
17秒前
surain完成签到,获得积分10
17秒前
18秒前
dudu10000完成签到,获得积分10
18秒前
犹豫小海豚完成签到,获得积分10
18秒前
18秒前
Kevin完成签到,获得积分10
18秒前
白月光完成签到,获得积分10
19秒前
LVVVB完成签到,获得积分10
20秒前
傅傅子完成签到 ,获得积分10
21秒前
NDrDicp完成签到,获得积分10
22秒前
无私的朝雪完成签到 ,获得积分10
23秒前
xcg1010发布了新的文献求助10
23秒前
西柚发布了新的文献求助10
25秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
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 3183774
求助须知:如何正确求助?哪些是违规求助? 2833858
关于积分的说明 7995851
捐赠科研通 2496126
什么是DOI,文献DOI怎么找? 1331947
科研通“疑难数据库(出版商)”最低求助积分说明 636459
邀请新用户注册赠送积分活动 603635