机器学习指导筛选多主元合金作为析氢反应电催化剂OA
多主元合金凭借组分间的协同作用,展现出卓越的物理化学性质,成为极具潜力的析氢反应(HER)电催化剂候选材料。然而,多主元组分结构的复杂性及系统性机器学习(ML)筛选方法的缺乏,使得电催化剂组分的最佳配比无法确定,这制约了多主元合金电催化剂的合理设计与开发。本研究通过Light Gradient Boosting模型从601种候选合金中筛选出了NbZnCo_(2)多主元合金作为最优候选材料,与Pt/C相比,其成本缩减了约34倍,同时HER活性更优。结合密度泛函理论(DFT)计算与实验验证,证实了ML模型的可靠性。微米级NbZnCo_(2)催化剂在10 mA cm^(-2)电流密度下仅需20 mV超低过电位,并保持60 h的稳定运行。此外,纳米级NbZnCo_(2)颗粒仍保持了优异HER性能,验证了NbZnCo_(2)合金作为HER电催化剂的普适性。本研究构建了"机器学习-密度泛函理论-实验"框架,筛选出高性能HER电催化剂,该方法可扩展至其他电催化反应,为可持续能源转换技术提供了更广阔的应用前景。
伍昊;李凤麒;石欣伟;卞海峰;周庆;贾顺顺;马玉洁;顾坚;张靖梓;何水剑;孟祥康
南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093 南京林业大学材料科学与工程学院,林业资源高效加工利用协同创新中心,林产化学与材料国际创新高地,江苏南京210037南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093哈尔滨工业大学(深圳),计算机科学与技术学院,广东深圳518055南京林业大学材料科学与工程学院,林业资源高效加工利用协同创新中心,林产化学与材料国际创新高地,江苏南京210037南京大学现代工程与应用科学学院,固体微结构物理全国重点实验室,人工微结构科学与技术协同创新中心,江苏南京210093
化学化工
多主元合金析氢反应机器学习密度泛函理论
《物理化学学报》 2026 (8)
P.36-49,14
江苏省科技厅重点研发计划项目资助(BE2022605)。
评论