钙钛矿氧化物具有非常强的产氧催化前景,但是钙钛矿氧化物材料具有种类无数的组成,而且这些组成并没有在材料探索过程进行详细的尝试。
有鉴于此,厦门大学孙毅飞、利物浦大学屠昕等报道一种结合预训练模型(pre-trained model)的迁移学习范式(transfer learning paradigm),这能够将集成学习、主动学习之间结合,从而可以预测未曾被发现的钙钛矿氧化物,而且使得这种技术成为一种普遍性。
本文要点
(1)
作者对16050个不同组成的钙钛矿氧化物进行筛选,鉴定并合成了36个新型钙钛矿氧化物,含有13个纯钙钛矿结构。Pr0.1Sr0.9Co0.5Fe0.5O3和Pr0.1Sr0.9Co0.5Fe0.3Mn0.2O3 分别在10 mA cm-2电流密度的过电势分别达到327 mV和315 mV。电化学测试结果显示反应过程包括吸附物演变机理和晶格氧机理。
(2)
Pr0.1Sr0.9Co0.5Fe0.3Mn0.2O3 比Pr0.1Sr0.9Co0.5Fe0.5O3表现更强的OH-亲和性,其中存在Mn-Co形成的氧桥结构,这种结构有助于电荷再分布,有利于Olattice/Vo动态转变,从而降低Co溶解速率。这项工作有助于加快发现高性能钙钛矿氧化物电催化剂。
参考电竞投注官网
Jiang, C., He, H., Guo, H. et al. Transfer learning guided discovery of efficient perovskite oxide for alkaline water oxidation. Nat Commun 15, 6301 (2024).
DOI: 10.1038/s41467-024-50605-5
https://www.nature.com/articles/s41467-024-50605-5