中国科学院金属研究所刘岗MGE_Adv.：机器学习加速筛选CrNiCu合金光催化析氢助催化剂

本文研究背景在于贵金属助催化剂的高成本限制了光催化制氢的大规模应用，因此需要开发低成本、高活性的非贵金属替代品。研究目的是通过结合机器学习预测和密度泛函理论计算，筛选出具有优异析氢反应活性的CrNiCu三元合金组分。研究结论表明，在特定组分区间内，CrNiCu合金的析氢活性显著优于商业铂催化剂，并且具有优异的抗元素偏析和抗羟基毒化能力，为多主元合金催化剂的设计提供了新范式。