ACS Catal.：机器学习加速设计丙酸脱氧加氢催化剂

文章预览

理论计算群-2： 863569400  催化生物质转化反应的复杂反应网络包括多达数百个表面中间体物种以及数千个反应步骤，这种复杂性导致设计金属催化剂非常困难。 有鉴于此， 南卡罗来纳大学 Andreas Heyden 、北卡罗来纳大学夏洛特分校 Gabriel A. Terejanu 等 报道机器学习加速第一性原理用于研究过渡金属表面的丙酸脱氧加氢催化反应。 本文要点 要点1.  首先通过机器学习给出的参数设计微型动力学模型，并且通过决速步骤以及明确与反应决速步有关的中间体物种进行计算迭代，通过 DFT 理论计算反应能量。得到的 Gaussian 模型（ GP ）在预测吸附能和过渡态的自由能的性质得到显著的改善。 要点2.  相比于线性回归模型的模拟结果不如 GP 模型准确，但是当回归模型预测过渡态并且通过 DFT 计算吸附能的时候线性回归模型的模拟结果能够改善。总之，作者发现 ………………………………