A study of two‐dimensional single atom‐supported <scp>MXenes</scp> as hydrogen evolution reaction catalysts using density functional theory and machine learning
Notice bibliographique
Résumé
Abstract Screening promising hydrogen evolution reaction (HER) electrocatalysts for water splitting is crucial for the industrial scalability of sustainable energy storage. As HER catalysts, two‐dimensional (2D) MXenes are promising substitution materials for platinum. Tuning the surface termination and loading a single atom can help to improve the electrocatalytic performance of 2D MXenes. We utilized density functional theory (DFT) calculations to explore the catalyst activity, thermal stability, and dynamic stability of 2D single atom‐loaded MXenes with surface terminations. We demonstrate that 21 uninvestigated 2D single‐atom MXene catalysts, among 264 promising candidates, show an electrocatalytic activity surpassing that of platinum. Among the 21 most promising HER catalysts, 7 (Ti 3 C 2 I 2 Ir, Ti 3 C 2 Br 2 Cu, Ti 3 C 2 Br 2 Pt, Ti 3 C 2 Cl 2 Cu, Ti 3 C 2 Cl 2 Pt, Ti 3 C 2 Se 2 Au, and Ti 3 C 2 Te 2 Nb) are dynamically and thermally stable. Furthermore, machine learning tools predicted the catalyst activity and thermal stability using elemental properties that are easily available in chemical data repositories.
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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».