Npj Comput. Mater.: 氧化还原电位预测：机器学习+第一性原理

本文探讨了在绿色能源和循环经济背景下，电化学技术在能源转换设备中的重要性，特别是氧化还原电位的预测。传统的第一性原理方法在预测这一关键属性时存在挑战，误差较大。为了解决这一问题，日本丰田中央研发实验室的Ryosuke Jinnouchi等人提出了一种结合第一性原理计算和机器学习的新方法，用于预测半电池反应的氧化还原电位。该方法通过机器学习力场进行热力学积分，实现了对广阔相空间的高效统计采样，并通过逐步细化自由能，提高了预测的准确性。实验结果显示，该方法对Fe3+/Fe2+、Cu2+/Cu+和Ag2+/Ag+三种氧化还原对的预测与实验值非常吻合。这一研究为第一性原理电化学预测能量转换器件中氧化还原反应的关键性质提供了新的途径。