Prediction of perovskite oxygen vacancies for oxygen electrocatalysis at different temperatures

电催化剂 氧气 钙钛矿(结构) 析氧 材料科学 化学 结晶学 电化学 物理化学 电极 有机化学
作者
Zhiheng Li,Xin Mao,Desheng Feng,Mengran Li,Xiaoyong Xu,Yadan Luo,Linzhou Zhuang,Rijia Lin,Tianjiu Zhu,Fengli Liang,Zi Huang,Dong Liu,Zifeng Yan,Aijun Du,Zongping Shao,Zhonghua Zhu
出处
期刊:Nature Communications [Springer Nature]
卷期号:15 (1)
标识
DOI:10.1038/s41467-024-53578-7
摘要

Efficient catalysts are imperative to accelerate the slow oxygen reaction kinetics for the development of emerging electrochemical energy systems ranging from room-temperature alkaline water electrolysis to high-temperature ceramic fuel cells. In this work, we reveal the role of cationic inductive interactions in predetermining the oxygen vacancy concentrations of 235 cobalt-based and 200 iron-based perovskite catalysts at different temperatures, and this trend can be well predicted from machine learning techniques based on the cationic lattice environment, requiring no heavy computational and experimental inputs. Our results further show that the catalytic activity of the perovskites is strongly correlated with their oxygen vacancy concentration and operating temperatures. We then provide a machine learning-guided route for developing oxygen electrocatalysts suitable for operation at different temperatures with time efficiency and good prediction accuracy. Catalyst screening is an important process but it's usually time-consuming and labor intensive. Here the authors report the prediction of oxygen vacancy for perovskites using machine learning techniques to develop suitable oxygen electrocatalysts for solid oxide fuel cells at reduced temperatures.
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
俞渝完成签到,获得积分20
刚刚
刚刚
顺心的老五完成签到,获得积分10
1秒前
2秒前
巅峰囚冰发布了新的文献求助10
2秒前
小七完成签到 ,获得积分10
3秒前
广隶完成签到,获得积分20
3秒前
huan9955完成签到,获得积分10
4秒前
大个应助liyuxuan采纳,获得10
5秒前
Sharkshain关注了科研通微信公众号
6秒前
xing完成签到,获得积分10
6秒前
8秒前
8秒前
Eton完成签到,获得积分10
8秒前
mito发布了新的文献求助200
9秒前
干净的夏天完成签到,获得积分10
10秒前
橙子完成签到,获得积分10
13秒前
西西弗斯完成签到,获得积分10
14秒前
加贝完成签到 ,获得积分10
15秒前
思源应助默默采纳,获得10
15秒前
15秒前
GGBond完成签到,获得积分10
16秒前
鳗鱼灵安完成签到,获得积分10
16秒前
humorlife完成签到,获得积分10
17秒前
慕寒完成签到,获得积分10
17秒前
JPL3729完成签到,获得积分10
18秒前
糖醋鱼完成签到,获得积分10
18秒前
zhishiyanhua发布了新的文献求助30
18秒前
科目三应助WHY采纳,获得10
18秒前
可可可11完成签到 ,获得积分10
20秒前
YY完成签到,获得积分10
20秒前
懵懂的土豆完成签到,获得积分10
20秒前
你还是要加油完成签到,获得积分10
20秒前
lwj6855发布了新的文献求助10
21秒前
George完成签到,获得积分10
23秒前
CipherSage应助xu采纳,获得10
23秒前
juno完成签到,获得积分10
23秒前
夏樱完成签到 ,获得积分10
23秒前
搜集达人应助火花采纳,获得10
23秒前
风收奇绩完成签到,获得积分10
23秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 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 3162727
求助须知:如何正确求助?哪些是违规求助? 2813601
关于积分的说明 7901404
捐赠科研通 2473189
什么是DOI,文献DOI怎么找? 1316684
科研通“疑难数据库(出版商)”最低求助积分说明 631482
版权声明 602175