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
执着艳完成签到 ,获得积分10
刚刚
1秒前
华子的五A替身完成签到,获得积分10
1秒前
寒冷哈密瓜完成签到 ,获得积分10
1秒前
1秒前
冷静的莞完成签到 ,获得积分10
2秒前
tianxiong完成签到 ,获得积分10
2秒前
ccm完成签到,获得积分10
2秒前
qiang344完成签到 ,获得积分10
4秒前
amber完成签到 ,获得积分10
4秒前
俏皮的奎发布了新的文献求助10
5秒前
烁果累累完成签到 ,获得积分10
5秒前
江湖小妖完成签到 ,获得积分10
7秒前
Omni完成签到,获得积分10
7秒前
Mistletoe完成签到 ,获得积分10
8秒前
小凯完成签到 ,获得积分10
8秒前
Schroenius完成签到 ,获得积分10
9秒前
俭朴的薯片完成签到,获得积分20
9秒前
Liyipu完成签到 ,获得积分10
9秒前
TAO完成签到,获得积分10
10秒前
10秒前
魔王重楼发布了新的文献求助50
10秒前
kdjm688完成签到,获得积分10
11秒前
zz完成签到,获得积分10
12秒前
gaozengxiang应助孤星独韵采纳,获得10
12秒前
勤能补拙完成签到 ,获得积分10
13秒前
CaoJing完成签到 ,获得积分10
13秒前
xiangwang完成签到 ,获得积分10
14秒前
明亮紫易完成签到,获得积分10
14秒前
大力大楚完成签到 ,获得积分10
14秒前
TAO发布了新的文献求助10
14秒前
YBR完成签到 ,获得积分10
14秒前
飞飞飞fff完成签到 ,获得积分10
14秒前
美满的若风完成签到 ,获得积分10
15秒前
隐形路灯完成签到 ,获得积分10
15秒前
朝气完成签到,获得积分10
15秒前
wvwvwv完成签到,获得积分10
16秒前
paradox完成签到 ,获得积分10
16秒前
16秒前
知止发布了新的文献求助30
16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 3183548
求助须知:如何正确求助?哪些是违规求助? 2833495
关于积分的说明 7994721
捐赠科研通 2495811
什么是DOI,文献DOI怎么找? 1331660
科研通“疑难数据库(出版商)”最低求助积分说明 636402
邀请新用户注册赠送积分活动 603544

今日热心研友

gaozengxiang
1 10
传奇3
1
现代青枫
1
TEAPOT
10
zpdd
10
注:热心度 = 本日应助数 + 本日被采纳获取积分÷10