一種預測二氧化碳電還原銅合金催化劑的方法屬于二氧化碳電化學還原領域,通過應用密度泛函理論計算和機器學習,克服了效率低和選擇性差的難題。本方法通過優化不同種類CuM合金的表面結構,應用密度泛函理論計算CO2還原反應的關鍵中間體(CO、HCOO、COOH、H)在各個表面的吸附能。為了降低特征的空間維度,選擇5個材料的特征參數,包括功函數(W)、原子序數(AN)、晶面間距(d)、電負性(EN)和局部電負性(χi),通過機器學習訓練,得到預測性能良好的梯度提升回歸(GBR)模型,訓練結果與包含13個特征的模型的預測性能接近。本方法不僅快速預測二氧化碳電還原銅合金催化劑,而且為設計其他催化劑提供了思路。
聲明:
“預測二氧化碳電還原銅合金催化劑的方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)