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
tuanheqi应助R18采纳,获得50
1秒前
wang完成签到,获得积分10
1秒前
领导范儿应助Wymbol采纳,获得10
3秒前
wenchao完成签到 ,获得积分10
3秒前
劲秉应助谷捣猫宁采纳,获得30
3秒前
4秒前
科研通AI2S应助wang采纳,获得10
4秒前
Jack发布了新的文献求助10
5秒前
小二郎应助科研通管家采纳,获得10
6秒前
HEIKU应助科研通管家采纳,获得10
6秒前
6秒前
6秒前
不配.应助科研通管家采纳,获得30
6秒前
打打应助科研通管家采纳,获得10
6秒前
Orange应助科研通管家采纳,获得10
6秒前
SciGPT应助科研通管家采纳,获得30
6秒前
FashionBoy应助科研通管家采纳,获得10
6秒前
打打应助科研通管家采纳,获得10
6秒前
852应助科研通管家采纳,获得30
6秒前
wanci应助科研通管家采纳,获得10
6秒前
jingjing完成签到 ,获得积分10
7秒前
7秒前
在水一方应助科研通管家采纳,获得10
7秒前
7秒前
852应助科研通管家采纳,获得10
7秒前
8秒前
SciGPT应助精明白风采纳,获得10
9秒前
打打应助光亮的思柔采纳,获得10
9秒前
sam发布了新的文献求助10
10秒前
xuz发布了新的文献求助10
11秒前
平常雪柳发布了新的文献求助10
11秒前
柔弱小之完成签到,获得积分20
11秒前
lisz77完成签到,获得积分10
11秒前
蜂蜜发布了新的文献求助10
12秒前
14秒前
14秒前
Jack完成签到,获得积分20
15秒前
小马甲应助柔弱小之采纳,获得10
15秒前
Wu完成签到,获得积分10
16秒前
希望天下0贩的0应助SS采纳,获得30
17秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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 3188290
求助须知:如何正确求助?哪些是违规求助? 2837794
关于积分的说明 8017206
捐赠科研通 2500478
什么是DOI,文献DOI怎么找? 1334942
科研通“疑难数据库(出版商)”最低求助积分说明 637363
邀请新用户注册赠送积分活动 605381