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
开放幻丝完成签到 ,获得积分10
刚刚
1秒前
99应助Hbobo采纳,获得10
1秒前
打打应助等待泥猴桃采纳,获得10
1秒前
宋忘幽应助风中的小熊猫采纳,获得10
1秒前
虞映秋发布了新的文献求助10
1秒前
笨笨志泽发布了新的文献求助10
2秒前
wawa发布了新的文献求助10
5秒前
5秒前
不安青牛应助娜娜采纳,获得10
10秒前
英俊的铭应助就这样采纳,获得10
11秒前
Yoh1220发布了新的文献求助10
11秒前
11秒前
9℃完成签到 ,获得积分0
13秒前
14秒前
16秒前
16秒前
SciGPT应助Kitty采纳,获得30
18秒前
周shang发布了新的文献求助10
19秒前
xiw发布了新的文献求助10
19秒前
19秒前
万能图书馆应助Dai采纳,获得10
20秒前
20秒前
甜橙岛完成签到,获得积分10
20秒前
孙意冉完成签到,获得积分10
20秒前
兜兜发布了新的文献求助10
21秒前
幻化为风完成签到,获得积分10
22秒前
22秒前
Singularity应助Garry采纳,获得10
22秒前
不配.应助开心的火龙果采纳,获得10
24秒前
不安青牛应助tyj采纳,获得10
24秒前
金刚经应助李麟采纳,获得10
24秒前
24秒前
科研通AI2S应助mkmimii采纳,获得10
25秒前
不配.应助hsialy采纳,获得10
25秒前
26秒前
就这样发布了新的文献求助10
26秒前
Charon发布了新的文献求助10
27秒前
28秒前
28秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
India's foreign trade policy and its performance in the world economy 450
Structural Inorganic Chemistry 400
Dictionary of socialism 350
Mixed-anion Compounds 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 3196094
求助须知:如何正确求助?哪些是违规求助? 2844876
关于积分的说明 8051936
捐赠科研通 2509483
什么是DOI,文献DOI怎么找? 1341737
科研通“疑难数据库(出版商)”最低求助积分说明 639244
邀请新用户注册赠送积分活动 608445