成功筛选4种高活性析氢催化剂！中美课题组联手，用主动学习识别1.4万个高熵氧化物

文章预览

作者：梅菜 编辑：十九 清华大学联合上海交通大学、中国科学院、美国普渡大学、美国杜克大学 ，提出了一种用于发现高熵尖晶石氧化物 (HESOs) 的主动学习框架，展示了其在实验数据有限情况下，高效探索广阔化学组成空间的有效性。 近年来，高熵材料 (HEMs) 在材料设计和功能控制领域展现出巨大的潜力。其中， 高熵氧化物 (HEOs) 由于丰富的活性位点、可调节的比表面积、稳定的晶体结构、独特的几何相容性和电子结构等特性，在化学催化领域展示出广阔的应用前景。 具体而言，HEOs 由 5 种或 5 种以上主元，按等摩尔比或接近等摩尔比组成。传统的 HEOs 研发一方面需要探索广阔的成分空间，另一方面依赖于费时费力的实验室试错，机器学习通过捕捉复杂的结构-性能关系，可以高效探索庞大的催化剂空间，并识别性能最佳的催化剂。 然而，由于 ………………………………