排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
金属有机框架(Metal-organic framework ,MOF)因其高孔隙率、高比表面积和结构可调性,在气体吸附分离领域广泛应用。随着MOF数量激增,传统分子模拟和实验方法验证MOF性能成本高且速度慢,因此目前MOF筛选工作已转向高通量计算辅助的机器学习(Machine-learning,ML)。机器学习作为一种高效的大数据处理方法,能够在高通量筛选(High-Throughput Computational Screening,HTCS)的基础上对数据进行拟合,从而快速而准确地筛选出气体吸附分离材料,并深入挖掘其结构与性能之间的关系。本文回顾了近年机器学习应用于MOF筛选的研究。本文重点讨论了一些运用机器学习从大量结构中筛选出可用于CH4、H2和CO2等气体吸附分离与储存的MOF材料的工作。同时,我们梳理了当前MOF材料筛选工作中的研究思路和进展,并指出了机器学习在筛选MOF材料工作中面临的一些瓶颈和挑战。最后,对该领域的未来发展前景进行了展望。 相似文献
2.
燃料电池具有燃料多样性、噪声低、对环境污染小等优势,近年来备受研究者关注。然而,电池中的贵金属催化剂极易被少量的CO毒化,成为制约其商业化的一大障碍。因此,设计出高性能的催化剂对于推动燃料电池的发展十分关键。本文综述了燃料电池中铂(Pt)基催化剂对CO催化氧化的研究现状,首先探讨了CO催化氧化机理以及CO在Pt金属表面化学吸附的机理,其次详细介绍了Pt负载型催化剂、双金属催化剂以及助催化剂在催化反应中的不同作用,然后简单分析了影响Pt基催化剂性能的其他因素。最后,对燃料电池中Pt基催化剂的研究方向作了进一步的展望,旨在为燃料电池中CO催化氧化的发展开拓新思路。 相似文献
3.
传统Haber-Bosch工艺合成氨需要大量的能源消耗和复杂的工厂基础设备。在可再生能源的推动下,将氮气电化学还原为氨被认为是替代Haber-Bosch工艺最有效的方法,这在科学界引起了极大的关注。然而,这个过程受到氨产量和法拉第效率低的影响,因此开发更有效的电催化剂对其实际应用至关重要。在之前报告的催化剂中,单原子催化剂(SACs)在高效利用原子和不饱和配位方面表现出显著优势,这为优化催化剂性能提供了巨大的空间。文章综述了单原子催化剂在电化学合成氨中的理论研究,详细分析了贵金属催化剂、非贵金属催化剂和非金属催化剂这3类单原子催化剂的性能表现,旨在为电化学合成氨技术的发展提供理论参考。 相似文献
4.
5.
二硫化钼(MoS2)已成为电化学析氢反应(HER)中铂催化剂的廉价替代品。1T-MoS2是MoS2的金属相,由于其具有优异的导电性和更多的电化学活性位点,因此成为了比2H-MoS2更具前景的理想催化剂材料。本文综述了1T相MoS2的制备及在HER中的应用。首先,比较了1T-MoS2和2H-MoS2几何结构及电子结构的差异,从“自上而下”及“自下而上”的角度概述了1T-MoS2常用制备方法,总结1T-MoS2及1T-MoS2基材料在HER领域的应用;最后指出现阶段关于1T-MoS2的研究中仍存在的一些关键问题。 相似文献
1