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

催化生物質轉化反應的復雜反應網絡包括多達數百個表面中間體物種以及數千個反應步驟，這種復雜性導致設計金屬催化劑非常困難。

有鑒于此，南卡羅來納大學Andreas Heyden、北卡羅來納大學夏洛特分校Gabriel A. Terejanu等報道機器學習加速第一性原理用于研究過渡金屬表面的丙酸脫氧加氫催化反應。

本文要點

(1)

首先通過機器學習給出的參數設計微型動力學模型，并且通過決速步驟以及明確與反應決速步有關的中間體物種進行計算迭代，通過DFT理論計算反應能量。得到的Gaussian模型（GP）在預測吸附能和過渡態的自由能的性質得到顯著的改善。

(2)

相比于線性回歸模型的模擬結果不如GP模型準確，但是當回歸模型預測過渡態并且通過DFT計算吸附能的時候線性回歸模型的模擬結果能夠改善。總之，作者發現吸附能的準確性比過渡態自由能的準確性對于MKM反應模型更加重要。基于GP模型以及G_OH和G_CHCHCO作為催化劑的描述符，作者在催化活性和選擇性之間建立火山圖，有助于設計合金催化劑的脫氧加氫催化反應。

參考文獻

Wenqiang Yang, Kareem E. Abdelfatah, Subrata Kumar Kundu, Biplab Rajbanshi, Gabriel A. Terejanu*, and Andreas Heyden*, Machine Learning Accelerated First-Principles Study of the Hydrodeoxygenation of Propanoic Acid, ACS Catal. 2024, 14, 10148–10163

DOI: 10.1021/acscatal.4c01419

https://pubs.acs.org/doi/10.1021/acscatal.4c01419