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的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

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
S欣完成签到,获得积分10
4秒前
司徒无剑发布了新的文献求助20
22秒前
Yolenders完成签到 ,获得积分10
39秒前
creep2020完成签到,获得积分10
54秒前
amar完成签到 ,获得积分0
55秒前
Orange应助司徒无剑采纳,获得10
1分钟前
1分钟前
中中中完成签到 ,获得积分10
1分钟前
震动的修洁完成签到 ,获得积分10
2分钟前
段誉完成签到 ,获得积分10
2分钟前
斯文败类应助gszy1975采纳,获得10
3分钟前
3分钟前
dongmei发布了新的文献求助10
3分钟前
科研通AI2S应助sxj采纳,获得10
4分钟前
安青兰完成签到 ,获得积分10
4分钟前
红茸茸羊完成签到 ,获得积分10
5分钟前
LJB完成签到 ,获得积分10
5分钟前
elizabeth339完成签到,获得积分20
6分钟前
elizabeth339发布了新的文献求助30
6分钟前
spark完成签到 ,获得积分10
6分钟前
even完成签到 ,获得积分10
7分钟前
赧赧完成签到 ,获得积分10
8分钟前
汉堡包应助矢思然采纳,获得10
8分钟前
8分钟前
vbnn完成签到 ,获得积分10
8分钟前
矢思然发布了新的文献求助10
8分钟前
10分钟前
司徒无剑发布了新的文献求助10
10分钟前
11分钟前
gszy1975发布了新的文献求助10
11分钟前
ding应助矢思然采纳,获得10
11分钟前
cyskdsn完成签到 ,获得积分10
11分钟前
颜陌完成签到,获得积分10
12分钟前
12分钟前
矢思然发布了新的文献求助10
12分钟前
名侦探柯基完成签到 ,获得积分10
12分钟前
热情笑旋发布了新的文献求助10
12分钟前
星辰大海应助热情笑旋采纳,获得10
12分钟前
拓跋雨梅完成签到 ,获得积分0
12分钟前
青出于蓝蔡完成签到,获得积分10
12分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 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 3186789
求助须知:如何正确求助?哪些是违规求助? 2836943
关于积分的说明 8011968
捐赠科研通 2499374
什么是DOI,文献DOI怎么找? 1334318
科研通“疑难数据库(出版商)”最低求助积分说明 637154
邀请新用户注册赠送积分活动 605063