【翼享学术】基于机器学习势模拟理解PdNiRuIrRh高熵合金催化碱性氢氧化

背景：高熵合金（HEA）因其独特的原子构型和可调催化活性，在电催化领域展现出巨大潜力，但传统密度泛函理论（DFT）方法难以全面解析其复杂结构，且碱性氢氧化反应（HOR）催化机制尚不明确。研究目的：武汉大学研究团队通过机器学习势Monte Carlo（ML-MC）模拟，探究PdNiRuIrRh高熵合金的组成结构、表面原子构型与碱性HOR催化性能之间的构效关系。结论：研究发现，该高熵合金表面主要分布的Pd-Pd-Ni/Pd-Pd-Pd键环境及Ni/Ru亲氧位点协同优化了反应中间体吸附，从而提升催化性能；同时，Pd和Ni组分的表面配位增强了合金稳定性，为高效多元电催化剂设计提供了新思路。