(纯计算)韩国延世大学npj Comput. Mater.: 主动学习加速氧电催化多金属体系中单原子局域环境的探索

计算材料学 2024-11-10 08:05
文章摘要
本文介绍了韩国延世大学和麻省理工学院的研究团队利用主动学习结合第一性原理计算和等变图神经网络(GNN),探索多金属体系中单原子局域环境的研究。研究目的在于通过定制活性单原子位点周围的局域环境,优化电子结构,从而提高氧还原和析氧反应(ORR/OER)的催化活性。研究结果显示,通过主动学习策略,成功预测了Co-Fe、Co-Co和Co-Zn金属对的ORR/OER活性,并与实验结果相符。该方法具有扩展到更广泛的多元素高熵材料体系的潜力。
(纯计算)韩国延世大学npj Comput. Mater.: 主动学习加速氧电催化多金属体系中单原子局域环境的探索
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Issue Publication Information
DOI: 10.1021/elv006i010_185859810.1021/elv006i010_1858598 Pub Date : 2024-10-22
IF 4.3 3区 材料科学 Q1 ACS Applied Electronic Materials
Issue Editorial Masthead
DOI: 10.1021/aev007i020_186066710.1021/aev007i020_1860667 Pub Date : 2024-10-28
IF 5.4 3区 材料科学 Q2 ACS Applied Energy Materials
Deep learning generative model for crystal structure prediction
DOI: 10.1038/s41524-024-01443-y Pub Date : 2024-11-12
IF 9.7 1区 材料科学 Q1 npj Computational Materials
计算材料学
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信