| 石墨炔原子催化剂的崭新道路:基于自验证机器学习方法的筛选策略 |
| |
| 引用本文： | 黄汉浩,卢湫阳,孙明子,黄勃龙.石墨炔原子催化剂的崭新道路:基于自验证机器学习方法的筛选策略[J].高等学校化学学报,2022,43(5):20220042. |
| |
| 作者姓名： | 黄汉浩 卢湫阳 孙明子 黄勃龙 |
| |
| 作者单位： | 香港理工大学生物及化学科技学系, 香港 999077 |
| |
| 基金项目： | 国家重点研发计划项目(2021YFA1501101);国家自然科学基金委员会与香港研究资助局联合科研资助基金(N_PolyU502/21);香港理工大学战略发展项目(1-ZE2V) |
| |
| 摘 要： | 近年来, 原子催化剂(ACs)引起了广泛的研究关注. 目前该领域的长足发展受限于贵金属的使用和单原子催化剂(SACs)的性能有限. 本文总结了利用密度泛函理论(DFT)和机器学习(ML)方法筛选高效的基于石墨炔(GDY)的原子催化剂的工作. 研究表明, Pd, Co, Pt和Hg可以形成稳定的零价过渡金属-石墨炔组合(TM-GDY), 而镧系-过渡金属的双原子催化剂(Ln-TM DAC)组合通过f-d轨道耦合作用可以获得有效的催化性能提升. 进一步分析表明, 主族元素与过渡金属和镧系金属的结合可以通过p轨道耦合保持高电活性, 从而构成高度稳定的GDY-DAC系统, 机器学习算法也揭示了s,p轨道的作用. 此外, 理论算法技术在筛选催化水分解析氢反应(HER)的高效组合上也表现出了优越性, 创新性地预测了石墨炔-原子催化剂在实际催化反应中的潜能. 本综合评述可为未来设计新型原子催化剂提供新的思路与策略.
|
| 关 键 词： | 石墨炔 原子电催化剂 自验证机器学习 密度泛函理论 |
| 收稿时间： | 2022-02-21 |
|
| 点击此处可从《高等学校化学学报》浏览原始摘要信息 |
| 点击此处可从《高等学校化学学报》下载免费的PDF全文 |
|
