已入深夜,您辛苦了!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,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
wanci应助tracy采纳,获得10
3秒前
qz完成签到,获得积分20
5秒前
mtt完成签到,获得积分10
6秒前
董H完成签到,获得积分10
7秒前
自然的含蕾完成签到 ,获得积分10
7秒前
闾丘惜萱完成签到,获得积分10
8秒前
虚心的问丝完成签到,获得积分10
9秒前
CipherSage应助博士加油采纳,获得10
10秒前
风中的怜阳完成签到 ,获得积分10
11秒前
钮祜禄萱完成签到 ,获得积分10
11秒前
soar完成签到 ,获得积分10
13秒前
小二郎应助科研通管家采纳,获得10
14秒前
Ava应助科研通管家采纳,获得10
14秒前
zxt应助科研通管家采纳,获得50
14秒前
科研通AI2S应助科研通管家采纳,获得10
14秒前
莫西莫西完成签到 ,获得积分10
14秒前
冷傲雨寒完成签到,获得积分10
14秒前
17秒前
17秒前
鹤唳完成签到,获得积分20
17秒前
18秒前
ab君完成签到 ,获得积分10
19秒前
可乐完成签到 ,获得积分10
20秒前
Shueason完成签到 ,获得积分10
20秒前
yk完成签到,获得积分10
21秒前
芋头发布了新的文献求助10
22秒前
22秒前
22秒前
24秒前
xq完成签到 ,获得积分10
28秒前
胡健发布了新的文献求助10
28秒前
博士加油发布了新的文献求助10
28秒前
gc完成签到 ,获得积分10
29秒前
潇潇完成签到 ,获得积分10
30秒前
圆圆完成签到,获得积分10
30秒前
30秒前
30秒前
王某完成签到 ,获得积分10
31秒前
Jeremy发布了新的文献求助10
32秒前
周青春偶像完成签到 ,获得积分10
32秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
2024 Medicinal Chemistry Reviews 400
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 3200574
求助须知:如何正确求助?哪些是违规求助? 2850386
关于积分的说明 8071853
捐赠科研通 2514153
什么是DOI,文献DOI怎么找? 1346899
科研通“疑难数据库(出版商)”最低求助积分说明 640268
邀请新用户注册赠送积分活动 610407