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
1秒前
zzz完成签到 ,获得积分20
2秒前
qiyihan发布了新的文献求助10
3秒前
JamesPei应助雨淋沐风采纳,获得10
5秒前
白萝布包发布了新的文献求助10
5秒前
稳定上分发布了新的文献求助10
8秒前
9秒前
9秒前
zais完成签到,获得积分10
11秒前
冰冰完成签到,获得积分10
11秒前
白萝布包完成签到,获得积分20
14秒前
14秒前
wangayting发布了新的文献求助10
15秒前
稳定上分完成签到,获得积分10
15秒前
小青年儿完成签到 ,获得积分10
16秒前
21秒前
OMR123发布了新的文献求助10
23秒前
23秒前
24秒前
鱿鱼发布了新的文献求助10
25秒前
haha发布了新的文献求助10
27秒前
积极干饭完成签到 ,获得积分10
29秒前
王彤彤发布了新的文献求助10
29秒前
30秒前
31秒前
32秒前
小t完成签到,获得积分10
32秒前
zyj完成签到,获得积分10
32秒前
丘比特应助haha采纳,获得10
35秒前
李健的小迷弟应助czy采纳,获得10
36秒前
36秒前
刘成财发布了新的文献求助10
36秒前
38秒前
小t发布了新的文献求助10
39秒前
维纳发布了新的文献求助20
41秒前
OMR123发布了新的文献求助10
41秒前
41秒前
allshestar完成签到 ,获得积分10
41秒前
林好人完成签到,获得积分10
42秒前
搜集达人应助黑天鹅采纳,获得10
43秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
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 3186379
求助须知:如何正确求助?哪些是违规求助? 2836717
关于积分的说明 8010566
捐赠科研通 2499020
什么是DOI,文献DOI怎么找? 1334061
科研通“疑难数据库(出版商)”最低求助积分说明 637003
邀请新用户注册赠送积分活动 604952