美国研究人员开发出新的机器学习框架以改进催化剂

据布鲁克海文国家实验室网站5月10日消息，美国能源部布鲁克海文国家实验室（Brookhaven National Laboratory）的研究人员开发出一种新的机器学习（ML）框架，该框架可以确定多步化学转化中的哪些步骤应该进行调整以提高反应效率，可用于指导催化剂的设计。

研究人员构建了一个基于“密度泛函理论”（DFT）的数据集来训练机器学习模型，从28个“描述符”中筛选出6个“活跃”的“描述符”来重新训练机器学习模型并预测甲醇生产率，再根据这6个“描述符”设计出提高甲醇生产率的催化剂。

相关研究成果发表在《催化科学与技术》（Catalysis Science & Technology）期刊上。获 取 更多前沿科技?研究 进展访问：https://byteclicks.com

这张图显示了铜基催化剂上 CO 加氢制甲醇的七步反应路径，包括每一步的反应物、中间体的示意性原子排列以及一步一步所需的能量活化势垒。Brookhaven 实验室团队展示了一个机器学习框架，该框架成功地确定了需要调整哪些步骤/步骤组合以提高甲醇产量。他们的工作可以帮助指导新催化剂的设计以实现这一目标，并且该框架可用于优化其他反应。

版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/37404.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

赞