Machine-Learning-Driven High-Entropy Alloy Catalyst Discovery to Circumvent the Scaling Relation for CO<sub>2</sub> Reduction Reaction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To achieve an equitable energy transition toward net-zero 2050 goals, the electrochemical reduction of CO2 (CO2RR) to chemical feedstocks through utilizing both CO2 and renewable energy is particularly attractive. However, the catalytic activity of CO2RR is limited by the scaling relation of the adsorption energies of intermediates. Circumventing the scaling relation is a potential strategy to achieve a breakthrough in catalytic activity. Herein, based on density functional theory (DFT) calculations, we designed a high-entropy alloy (HEA) system of FeCoNiCuMo with high catalytic activity for CO2RR. Machine learning models were developed by considering 1280 adsorption sites to predict the adsorption energies of COOH*, CO*, and CHO*. The scaling relation between the adsorption energies of COOH*, CO*, and CHO* is circumvented by the rotation of COOH* and CHO* on the designed HEA surface, resulting in the outstanding catalytic activity of CO2RR with the limiting potential of 0.29–0.51 V. This work not only accelerates the development of HEA catalysts but also provides an effective strategy to circumvent the scaling relation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle