利用机器学习助力高熵合金催化:聚焦吸附能预测

计算材料学 2025-04-14 12:43
文章摘要
本文综述了机器学习在高熵合金催化领域中吸附能预测的应用进展。高熵合金因其独特的成分、结构和位点级多样性在催化领域展现出巨大潜力,但传统实验和计算方法面临高成本和探索空间大的挑战。文章重点介绍了两种机器学习策略:直接从非平衡结构预测吸附能和通过机器学习势能引导的松弛建模预测吸附能。这些策略显著提高了预测效率和准确性,为催化剂设计和优化提供了支持。然而,当前研究仍面临基准测试缺乏、数据集不足等挑战,未来需开发更精确的模型和高质量数据集,以推动高熵合金催化剂的发展。
利用机器学习助力高熵合金催化:聚焦吸附能预测
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/elv007i007_192069310.1021/elv007i007_1920693 Pub Date : 2025-04-08
IF 4.3 3区 材料科学 Q1 ACS Applied Electronic Materials
Issue Editorial Masthead
DOI: 10.1021/aev008i007_192326610.1021/aev008i007_1923266 Pub Date : 2025-04-14
IF 5.4 3区 材料科学 Q2 ACS Applied Energy 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