(纯计算)美国Meta公司ACS Catal.: CatTSunami: 利用预训练图神经网络加速过渡态能量计算
计算材料学
2025-04-08 12:51
文章摘要
本研究背景是全球温室气体排放问题日益严重，迫切需要加速催化剂研发以支持可持续发展。研究目的是利用预训练图神经网络（CatTSunami）加速过渡态能量计算，从而提升催化剂研发效率。研究结论表明，该方法能以28倍加速在91%的情况下获得与密度泛函理论（DFT）相近的过渡态能量结果，并在实际应用中实现了1500倍的加速效果。此外，研究还构建了氨合成活火山模型，发现了更低能量的过渡态构型，为催化剂发现提供了更完整的构型空间处理方法。
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/apv007i008_192814610.1021/apv007i008_1928146
Pub Date : 2025-04-25
Synergistic Effect of Ni Exsolution and Oxygen Vacancies in NiAl2O4 for Catalytic Transfer Hydrodeoxygenation of Furfural to 2-Methylfuran
DOI: 10.1021/acscatal.5c01046
Pub Date : 2025-05-02
Multicomponent Metallacages via the Integrative Self-Assembly of Pt(II) Nodes with Multiple Pyridyl and Carboxylate Ligands
DOI: 10.1021/acs.accounts.5c00085
Pub Date : 2025-05-02
计算材料学
央企首次发布！材料领域“十大基础科学问题”.
18小时前
京公网安备 11010802042870号
