因为CuSb的硫化物储量丰富，具有广泛的光吸收区间，因此被认为是具有前景的光电分解水催化剂。CuSbS的光催化活性取决于晶体结构和原子的构成。

有鉴于此，新加坡科技研究局A*STAR Kedar Hippalgaonkar、Yee-Fun Lim等通过将高通量机器学习平台、表征技术、机器学习结合，形成闭循环工作流，研究Cu-Sb-S催化剂的组分与催化活性之间的变化规律，通过优化组分的方法改善光电催化分解水制氢的性能。

主要内容

（1）

这种多角度优化模型在9个实验-机器学习的循环后，就得到了优化的实验反应条件。在0 V RHE过电势进行光电流表征，验证了材料性质和光电流之间的关系。

（2）

当Cu-Sb-S以9:45:46比例在FTO玻璃上形成单层，实现了-186 μA cm^-2光电流密度，对应的能带为1.85 eV，Cu¹⁺/Cu的比例为63.2 %。本文研究发现一种比例难以发现的CuSbS材料，光电性能比随机样品提高2.3倍。

参考电竞投注官网

Yang Bai, Zi Hui Jonathan Khoo, Riko I Made, Huiqing Xie, Carina Yi Jing Lim, Albertus Denny Handoko, Vijila Chellappan, Jianwei Jayce Cheng, Fengxia Wei, Yee-Fun Lim, Kedar Hippalgaonkar, Closed Loop Multi-Objective Optimization for Cu-Sb-S Photoelectrocatalytic Materials Discovery, Adv. Mater. 2023

DOI: 10.1002/adma.202304269

https://onlinelibrary.wiley.com/doi/abs/10.1002/adma.202304269