一种预测二氧化碳电还原铜合金催化剂的方法属于二氧化碳
电化学还原领域,通过应用密度泛函理论计算和机器学习,克服了效率低和选择性差的难题。本方法通过优化不同种类CuM合金的表面结构,应用密度泛函理论计算CO2还原反应的关键中间体(CO、HCOO、COOH、H)在各个表面的吸附能。为了降低特征的空间维度,选择5个材料的特征参数,包括功函数(W)、原子序数(AN)、晶面间距(d)、电负性(EN)和局部电负性(χi),通过机器学习训练,得到预测性能良好的梯度提升回归(GBR)模型,训练结果与包含13个特征的模型的预测性能接近。本方法不仅快速预测二氧化碳电还原铜合金催化剂,而且为设计其他催化剂提供了思路。
声明:
“预测二氧化碳电还原铜合金催化剂的方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)