亲爱的研友该休息了!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!身体可是革命的本钱,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
边曦完成签到 ,获得积分10
1秒前
彩色莞完成签到 ,获得积分10
19秒前
Belle完成签到,获得积分10
37秒前
JamesPei应助去去去去采纳,获得10
54秒前
雄关漫道完成签到,获得积分10
55秒前
田柾国发布了新的文献求助10
57秒前
58秒前
郜雨寒发布了新的文献求助10
1分钟前
直率栾完成签到 ,获得积分10
1分钟前
1分钟前
parhatpiko发布了新的文献求助10
1分钟前
xiaorui完成签到,获得积分10
1分钟前
1分钟前
1分钟前
香蕉觅云应助parhatpiko采纳,获得10
1分钟前
1分钟前
研友_89eKw8发布了新的文献求助10
1分钟前
海上森林的一只猫完成签到 ,获得积分10
1分钟前
调研昵称发布了新的文献求助10
1分钟前
思源应助研友_89eKw8采纳,获得30
1分钟前
星辰大海应助科研通管家采纳,获得10
1分钟前
隐形曼青应助科研通管家采纳,获得10
1分钟前
李健应助科研通管家采纳,获得10
1分钟前
mei完成签到 ,获得积分10
1分钟前
2分钟前
kenti2023完成签到 ,获得积分10
2分钟前
小易发布了新的文献求助10
2分钟前
2分钟前
jjx1005完成签到 ,获得积分10
2分钟前
领导范儿应助小易采纳,获得10
2分钟前
去去去去发布了新的文献求助10
2分钟前
无心的采萱完成签到,获得积分10
2分钟前
小易完成签到,获得积分10
2分钟前
领导范儿应助ll采纳,获得10
2分钟前
ll完成签到,获得积分20
2分钟前
2分钟前
2分钟前
ll发布了新的文献求助10
2分钟前
完美世界应助研友_闾丘枫采纳,获得10
3分钟前
3分钟前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 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 3183668
求助须知:如何正确求助?哪些是违规求助? 2833619
关于积分的说明 7995277
捐赠科研通 2495956
什么是DOI,文献DOI怎么找? 1331799
科研通“疑难数据库(出版商)”最低求助积分说明 636425
邀请新用户注册赠送积分活动 603582