(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。
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
A double-blind, randomized, placebo-controlled test of the effects of cannabidiol on fear elicited by a 10% carbon dioxide-enriched air breathing challenge.
DOI: 10.1007/s00213-022-06258-7
Pub Date : 2025-07-01
Date: 2022/10/15 0:00:00
Data-driven microstructural optimization of Ag-Bi-I perovskite-inspired materials
DOI: 10.1038/s41524-025-01701-7
Pub Date : 2025-07-03
京公网安备 11010802042870号
