首页 > 行业资讯 > (纯计算)澳大利亚纽卡斯尔大学Nano Lett.: 高通量机器学习发现石墨烯生长合金催化剂

(纯计算)澳大利亚纽卡斯尔大学Nano Lett.: 高通量机器学习发现石墨烯生长合金催化剂

时间：2023-11-03 来源： 浏览：

(纯计算)澳大利亚纽卡斯尔大学Nano Lett.: 高通量机器学习发现石墨烯生长合金催化剂

暗梦飘逸醉月 科研任我行
科研任我行

keyanrenwoxing

聚焦于最新科技论文解读、DFT计算方法、科研趣事等。（投稿邮箱：，欢迎投稿！）

收录于合集 #机器学习 26个
2023年10月27日，Nano Lett.在线发表了澳大利亚纽卡斯尔大学Alister J. Page 课题组的研究论文，题目为《 Discovery of Graphene Growth Alloy Catalysts Using High-Throughput Machine Learning 》。

在过去的几十年里，由于石墨烯优异的电子、力学和热性质以及 各种新兴应用 ，人们对其产生了极大的兴趣。尽管 目前 使用化学气相沉积（CVD）方法进行了商业规模的石墨烯生产，但 生长具有可控 形貌 和结晶度的高质量单层石墨烯仍然具有挑战性 。在设计用于生产高质量石墨烯的改进CVD催化剂方面仍花费了相当大的努力。然而，传统的催化剂设计 一直 是使用经验直觉或试错方法进行的。

在此研究中，作者将高通量密度泛函理论（DFT）和机器学习（ML）相结合， 以确定具有与现有石墨烯催化剂（如Ni(111)和Cu(111)）相当性能的新型过渡金属合金催化剂 。通过这一过程确定的 合金通常由前和后过渡金属的组合组成， 并且 大多数是Ni或Cu的合金 。然而，在许多情况下， 这些传统的催化剂金属与非常规 的配合物结合 ，如Zr、Hf和Nb结合在一起。因此， 这项研究 提出的方法强调了一种重要的新方法，用于识别低维纳米材料CVD生长的新型催化剂材料。

图1 用于发现石墨烯生长的新型合金催化剂的高通量框架

图2  (a-b) 合金晶格与吸附石墨烯晶格是公度的；(c-d) 1499 种 体相合金晶格的γ值和晶格长度不匹配度

图3 (a) 7726 种 吸附配合物(5269 种 合金表面)的 ML 预测碳吸附能和DFT值的比较；(b) 1326 种 吸附配合物(206 种 合金表面)的 ML 预测苯吸附能和DFT值的比较

图4 (a) ML 预测苯吸附能与 ML 预测碳吸附能；(b) 石墨烯的DFT吸附能与137种合金催化剂表面上吸附距离的比较

图5  石墨烯、 苯和碳在YC u 5 表面和ZrC u 5 表 面上的吸附

【 论文链接 】
Li, X., Shi, J.Q., Page, A.J. et al. Discovery of Graphene Growth Alloy Catalysts Using High-Throughput Machine Learning . Nano Lett ., 2023 . https://doi.org/10.1021/acs.nanolett.3c02496

【其他相关文献】

[1] Tran, K., Ulissi, Z.W. Active learning across intermetallics to guide discovery of electrocatalysts for CO 2 reduction and H 2 evolution. Nat. Catal ., 2018 , 1, 696–703. https://doi.org/10.1038/s41929-018-0142-1
[2]  Page, A.J., Mitchell, I., Li, H. et al. Spanning the parameter space of chemical vapor deposition graphene growth with quantum chemical simulations. J. Phys. Chem. C , 2016 , 120, 13851−13864. https://doi.org/10.1021/acs.jpcc.6b02673
【注】 ： 小编水平有限，若有误，请联系修改； 若侵权，请联系删除！

版权：如无特殊注明，文章转载自网络，侵权请联系cnmhg168#163.com删除！文件均为网友上传，仅供研究和学习使用，务必24小时内删除。
相关推荐
热门信息