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
刚刚
听爽了回复666完成签到,获得积分10
刚刚
精明梦槐发布了新的文献求助10
1秒前
bayernxw完成签到,获得积分10
3秒前
3秒前
充电宝应助秋半梦采纳,获得10
4秒前
hy完成签到,获得积分10
4秒前
5秒前
Wk应助YoYo采纳,获得10
6秒前
luoliping完成签到,获得积分10
6秒前
ChenXinde发布了新的文献求助10
9秒前
9秒前
脑洞疼应助leo采纳,获得10
11秒前
12秒前
12秒前
13秒前
Anlionseas完成签到,获得积分10
13秒前
软绵绵完成签到,获得积分10
14秒前
友好的季节完成签到,获得积分10
14秒前
Jemma5599完成签到,获得积分10
14秒前
小马甲应助陈M雯采纳,获得10
14秒前
Orange应助小郭采纳,获得10
14秒前
LMC完成签到,获得积分10
15秒前
科研通AI2S应助浪荡胭脂马采纳,获得10
16秒前
17秒前
17秒前
17秒前
17秒前
田様应助wt采纳,获得10
18秒前
科研通AI2S应助心屿采纳,获得10
19秒前
美好乐松应助zihuan采纳,获得10
19秒前
李健的小迷弟应助Jemma5599采纳,获得10
20秒前
爱吃萝卜的熊猫完成签到,获得积分10
21秒前
俭朴的皮卡丘完成签到 ,获得积分10
22秒前
爆米花应助超级的小白菜采纳,获得10
23秒前
23秒前
Strange完成签到,获得积分10
24秒前
24秒前
xiaopengyou发布了新的文献求助10
25秒前
25秒前
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 3183027
求助须知:如何正确求助?哪些是违规求助? 2833179
关于积分的说明 7992988
捐赠科研通 2495363
什么是DOI,文献DOI怎么找? 1331472
科研通“疑难数据库(出版商)”最低求助积分说明 636293
邀请新用户注册赠送积分活动 603474