Maschinelles Lernen gesteuertes rationales Design von AuAgPdHgCu HEA-Katalysatoren für die Zwei-Elektronen-Sauerstoffreduktionsreaktion

Chem. Commun. 2025, Angenommenes Manuskript DOI: 10.1039/D5CC03076E, Mitteilung Zhen Chen, Xi Liu, Junyi Zhu, Bihua Hu, Lin Yang, Xin Wang, Shuqin Song, Zhongwei Chen In dieser Studie wurden DFT-Berechnungen mit hohem Durchsatz und maschinelles Lernen integriert, um Katalysatoren aus AuAgPdHgCu-Legierungen mit hoher Entropie zu screenen. Dabei zeigte sich, dass negative d-Band-Verschiebungen von Hg/Cu ΔG*OOH für eine verbesserte 2e-ORR-Aktivität optimieren. Struktur-Wirkungs-Verhältnis...