Dynamic Surface Reconstruction in Machine-Learning-Predicted Cu <sub>3</sub> MoP Governs Selective CO Electroreduction to C <sub>2</sub> <sup>+</sup> Products
Notice bibliographique
Résumé
Dynamic surface reconstruction has emerged as a pivotal strategy for enhancing both activity and selectivity in electrochemical CO reduction (eCOR) to multicarbon (C 2 + ) products, key intermediates in sustainable fuel synthesis. In this study, we introduce a physics-informed, machine-learning-driven framework that integrates moment tensor potentials with a symmetry-guided ABC algorithm to systematically explore the structural landscape of ternary alloys. This data-centric approach identifies Cu 3 MoP as a thermodynamically favorable metallic phase, exhibiting robust dynamical stability as validated by phonon dispersion analysis and long-time-scale molecular dynamics simulations. Explicit modeling of the solid–liquid interface confirms that Cu 3 MoP retains structural integrity under experimentally relevant electrochemical conditions. Mechanistic investigation of the Cu 3 MoP(100) surface reveals a low onset potential of 0.19 eV for ethanol production and a moderate C–C coupling barrier of 0.31 eV, indicating kinetically accessible pathways toward C 2 + product formation. Under aqueous conditions, dynamic surface reconstruction induces Mo clustering and the emergence of Cu–Mo motifs, which modulate the electronic structure and redirect product selectivity from ethanol to ethylene. This interfacial restructuring also reorients water molecules, forming a structured hydration shell that stabilizes key reaction intermediates. Collectively, these findings establish Cu 3 MoP as a dynamically adaptive and highly selective electrocatalyst and demonstrate the effectiveness of integrating machine learning with atomistic simulations to accelerate the discovery of next-generation multicarbon eCOR systems.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».