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
2秒前
marxing发布了新的文献求助10
2秒前
2秒前
2秒前
危机的小蝴蝶关注了科研通微信公众号
2秒前
李佳发布了新的文献求助10
3秒前
阿婧发布了新的文献求助30
3秒前
3秒前
5秒前
5秒前
david_guo发布了新的文献求助10
5秒前
5秒前
dryyu发布了新的文献求助20
5秒前
6秒前
6秒前
6秒前
豆芽完成签到,获得积分10
6秒前
wdygao完成签到,获得积分10
6秒前
努力搞科研关注了科研通微信公众号
7秒前
健忘水卉发布了新的文献求助10
7秒前
7秒前
001完成签到 ,获得积分10
7秒前
7秒前
xiaohe发布了新的文献求助10
8秒前
9秒前
ha完成签到 ,获得积分10
9秒前
丰知然应助畅快访蕊采纳,获得10
10秒前
10秒前
hjh完成签到,获得积分10
10秒前
Azuaiii发布了新的文献求助10
11秒前
123lx完成签到,获得积分10
12秒前
Melt发布了新的文献求助10
12秒前
英俊的铭应助小火孩采纳,获得10
13秒前
元气糖完成签到,获得积分10
13秒前
13秒前
时尚的飞机完成签到,获得积分10
13秒前
健忘香菱完成签到,获得积分10
13秒前
FashionBoy应助迷路安雁采纳,获得10
14秒前
HIT_C发布了新的文献求助30
15秒前
田様应助kiwi采纳,获得10
15秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
AI-Driven Alzheimer's Disease Detection and Prediction 300
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 3193321
求助须知:如何正确求助?哪些是违规求助? 2842281
关于积分的说明 8038597
捐赠科研通 2506279
什么是DOI,文献DOI怎么找? 1339013
科研通“疑难数据库(出版商)”最低求助积分说明 638583
邀请新用户注册赠送积分活动 607154