中科院金属所刘岗团队MGE Adv.：机器学习加速筛选CrNiCu合金光催化析氢助催化剂

本文介绍了中国科学院金属研究所刘岗团队利用机器学习和密度泛函理论（DFT）计算相结合的方法，高效筛选出CrNiCu三元合金作为高效光催化析氢反应（HER）助催化剂的研究。研究背景指出，贵金属如铂（Pt）虽然HER活性优异，但成本高昂，限制了其大规模应用。研究目的是开发低成本、高活性的非贵金属HER助催化剂。通过构建局域微结构描述符并训练XGBoost回归模型，研究团队实现了对合金表面氢吸附能和水解离能垒的高精度预测，筛选出Cr（10-30 at.%）、Ni（30-50 at.%）、Cu（20-60 at.%）组分区间，其HER活性显著优于商业Pt催化剂。结论表明，该CrNiCu合金具有优异的抗元素偏析特性和抗羟基毒化能力，为多主元合金催化剂的设计提供了新范式。