机器学习辅助优化加速Fenton催化单原子配位环境
2023/8/22 10:21:49 阅读:27 发布者:
机器学习(ML)算法将使传统的材料优化方法发生革命性的变化。在这里,同济大学Lan Ling,南洋理工大学Shuzhou Li 通过发展一种包括建模、训练和预测的方法,扩大ML的使用范围,以帮助构建类Fenton单原子催化剂(SACs)。该方法可以有效地提取对Fenton活性有重要影响的合成参数,并准确地预测囊的苯酚降解率k,平均误差为±0.018 min−1。具有加速学习的扩展合成窗口使人们认识到,在SAC合成过程中的加热温度显著影响Fe−N配位数,这最终决定了它们的性能。通过ML引导的优化,确定了一个以Fe-N5位点为主的高效SAC(k=0.158 min−1)。(DOI:10.1021/acsnano.3c03610)
转自:“鲸锐学术”微信公众号
如有侵权,请联系本站删除!