通过机器学习加速的铜基合金设计用于从亚硝酸盐还原合成氨的体外研究
计算材料学
2025-02-25 12:13
文章摘要
本文通过第一性原理计算和机器学习方法,研究了铜基合金在亚硝酸盐电还原反应(NORR)中的性能,旨在提高将NO转化为NH3的效率和选择性。研究发现,氮原子的吸附能Eads(*N)是NORR的有效催化描述符。通过对140种铜合金的筛选,确定了Cu@Cu3Ni和Cu2Ni2@Cu3Ni为理想的非贵金属催化剂,具有极低的极限电位和合理的动力学障碍。此外,构建了一个高准确性的机器学习模型来预测Eads(*N),并发现Ni是增强NORR活性的最佳非贵金属元素。这些结果为NORR电催化剂的设计提供了理论基础,并为未来的实验研究指明了方向。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。