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
脑洞疼应助Perth采纳,获得10
刚刚
啊杰完成签到,获得积分10
1秒前
3秒前
llxgjx完成签到,获得积分10
4秒前
4秒前
花生壳完成签到,获得积分20
4秒前
4秒前
6秒前
8秒前
9秒前
fun发布了新的文献求助10
9秒前
充电宝应助高大的二娘采纳,获得10
10秒前
10秒前
gujianhua发布了新的文献求助10
11秒前
Akim应助齐平露采纳,获得10
14秒前
15秒前
柒染完成签到 ,获得积分10
15秒前
bkagyin应助瞬间de回眸采纳,获得10
17秒前
aaaaaa发布了新的文献求助10
19秒前
xili关注了科研通微信公众号
19秒前
19秒前
万能图书馆应助zhouzhou采纳,获得10
22秒前
嘟嘟大魔王发布了新的文献求助100
23秒前
28秒前
30秒前
人木发布了新的文献求助10
31秒前
善学以致用应助Zhang采纳,获得10
31秒前
科研通AI2S应助浩浩采纳,获得10
32秒前
ght完成签到 ,获得积分10
33秒前
34秒前
34秒前
35秒前
一击即中发布了新的文献求助10
35秒前
36秒前
人木完成签到,获得积分20
36秒前
37秒前
38秒前
38秒前
齐平露发布了新的文献求助10
40秒前
贝湾完成签到,获得积分10
41秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
2024 Medicinal Chemistry Reviews 400
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 3200261
求助须知:如何正确求助?哪些是违规求助? 2849985
关于积分的说明 8070689
捐赠科研通 2513800
什么是DOI,文献DOI怎么找? 1346666
科研通“疑难数据库(出版商)”最低求助积分说明 640252
邀请新用户注册赠送积分活动 610183