一级黄色网站在线视频看看,久久精品欧美一区二区三区 ,国产偷国产偷亚洲高清人乐享,jy和桃子为什么绝交,亚洲欧美成人网,久热九九

電化學還原CO₂是能夠消除CO₂排放并且制備高附加值化學品的方法和途徑。因此發展具有前景的CO₂還原電催化劑材料是目前最重要的任務，而且人們發現通過機器學習能夠加快發展催化劑。但是目前的機器學習方法通常局限于非常少的化學區間，而且只能篩選得到部分的催化活性。

有鑒于此，西江大學Seoin Back、上海交通大學蔣昆等通過機器學習模型和電化學CO₂還原的選擇性分布圖結合，發展了一種高通量催化劑篩選方法，從而提出具有可能性的催化活性和選擇性電催化還原CO₂催化劑，而且提出的高活性催化劑不局限于數據庫。

主要內容：

（1）

這個方法能夠為催化劑的形貌和化學計量比組成提供指導。通過這種方法預測了465種金屬催化劑的電催化還原生成四種產物的催化活性和選擇性。

（2）

在篩選可能催化劑的過程中，發現未曾發現的Cu-Ga和Cu-Pd合金可能具有較高的還原CO₂催化活性。作者通過實驗對理論計算結果進行驗證。

參考文獻

Dong Hyeon Mok, Hong Li, Guiru Zhang, Chaehyeon Lee, Kun Jiang & Seoin Back, Data-driven discovery of electrocatalysts for CO₂ reduction using active motifs-based machine learning. Nat Commun 14, 7303 (2023)

DOI: 10.1038/s41467-023-43118-0

https://www.nature.com/articles/s41467-023-43118-0