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
无语的乾完成签到,获得积分20
1秒前
lavender发布了新的文献求助10
1秒前
Ding发布了新的文献求助10
2秒前
2秒前
betterme发布了新的文献求助30
2秒前
3秒前
3秒前
4秒前
七七完成签到,获得积分20
4秒前
aaaaa发布了新的文献求助10
4秒前
5秒前
5秒前
5秒前
Hello应助Zx采纳,获得10
7秒前
8秒前
quan完成签到,获得积分10
8秒前
8秒前
呆萌的兔子完成签到,获得积分10
8秒前
liberty发布了新的文献求助10
9秒前
七七发布了新的文献求助10
9秒前
不配.应助敏感的钢铁侠采纳,获得20
9秒前
李健应助Sun1c7采纳,获得10
9秒前
高兴的万怨完成签到 ,获得积分10
10秒前
yif发布了新的文献求助30
11秒前
CipherSage应助白澍不白采纳,获得10
12秒前
Rjy发布了新的文献求助10
12秒前
田様应助无私的发卡采纳,获得10
13秒前
13秒前
14秒前
14秒前
ccm应助lavender采纳,获得10
15秒前
15秒前
猛龙发布了新的文献求助10
16秒前
qiuxue发布了新的文献求助10
16秒前
dd发布了新的文献求助10
16秒前
16秒前
17秒前
19秒前
jam发布了新的文献求助10
19秒前
大方太清发布了新的文献求助10
20秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3199603
求助须知:如何正确求助?哪些是违规求助? 2848487
关于积分的说明 8068080
捐赠科研通 2513157
什么是DOI,文献DOI怎么找? 1345753
科研通“疑难数据库(出版商)”最低求助积分说明 640111
邀请新用户注册赠送积分活动 609780