检测到您当前使用浏览器版本过于老旧,会导致无法正常浏览网站;请您使用电脑里的其他浏览器如:360、QQ、搜狗浏览器的极速模式浏览,或者使用谷歌、火狐等浏览器。
下载Firefox电催化水分解技术被视为应对能源危机及推动可持续发展的重要策略,其研究中钙钛矿氧化物因其可调性和经济性,在碱性析氧反应(OER)备受瞩目。诸多研究表明,通过阳离子掺杂调控钙钛矿氧化物的配位环境与电子结构,可显著提升其电催化性能。然而,在材料性能预测上仍面临理论模型不足、实验数据稀缺及多因素复杂交互等挑战,亟待进一步探索解决。
近日,我院孙毅飞副教授课题组在开发碱性OER电催化剂方向取得新进展,相关成果以 “Transfer learning guided the discovery of efficient perovskite oxide for alkaline water oxidation” 为题发表于Nature Communications。
该研究工作开发了一种利用迁移学习范式的方法,将预训练模型、集成学习和主动学习相结合,用于预测未被发现的钙钛矿氧化物,并改善了该范式的普适性。通过对16,050种成分的筛。范ú⒑铣闪36种新的氧化物,其中包括13种单相钙钛矿。所制备的Pr0.1Sr0.9Co0.5Fe0.5O3 (PSCF)和Pr0.1Sr0.9Co0.5Fe0.3Mn0.2O3 (PSCFM)在10mA cm-2下分别表现出327 mV和315 mV的低过电位。在密度泛函理论DFT计算辅助下,发现Mn的掺入通过重新分配电荷密度来减缓反应性Co中心的溶解,并加快LOM期间Olattice/VO的可逆性。该研究为高性能析氧反应电催化剂的快速开发与深入理解打下了理论及实验支撑。
开元电子游戏为该工作第一完成单位,我院2022级硕士研究生姜畅和利物浦大学博士贺虹源为论文共同第一作者,孙毅飞副教授和利物浦大学屠昕教授为论文共同通讯作者。该工作得到国家自然科学基金(22272136, 22102135)、广东省基础与应用基础研究基金(2022A1515010069)、福建省科技项目(2022L3077)和深圳市科技计划项目(JCYJ20220530143401002)的支持。
全文链接:https://www.nature.com/articles/s41467-024-50605-5
(图/文 储能学系)