高效的催化剂对于加速缓慢的氧反应动力学至关重要,以促进从室温碱性水电解到高温陶瓷燃料电池等新兴电化学能源系统的发展。
基于此,2024年10月29日,澳大利亚昆士兰大学朱中华教授/Yadan Luo/Xiaoyong Xu、澳大利亚科廷大学邵宗平教授、墨尔本大学Mengran Li在国际期刊Nature Communications发表题为《Prediction of perovskite oxygen vacancies for oxygen electrocatalysis at different temperatures》的研究论文。
在这项工作中,研究人员揭示了阳离子诱导相互作用在不同温度下预先确定235种钴基和200种铁基钙钛矿催化剂中氧空位浓度的作用,这种趋势可以通过基于阳离子晶格环境的机器学习技术预测,不需要大量的计算和实验输入。
研究结果显示,钙钛矿的催化活性与其氧空位浓度和运行温度密切相关。
然后,研究人员提供了一条机器学习引导的路径,用于开发适合在不同温度下运行的氧电催化剂,具有时间效率和良好的预测准确性。
图1:钴基钙钛矿氧化物氧空位浓度与ORR活性的关系。
图3:以SCTV为正极的固态氧化物燃料电池的功率密度和稳定性。
Li, Z., Mao, X., Feng, D. et al. Prediction of perovskite oxygen vacancies for oxygen electrocatalysis at different temperatures. Nat Commun 15, 9318 (2024). https://doi.org/10.1038/s41467-024-53578-7
声明:如需转载请注明出处(华算科技旗下资讯学习网站-学术资讯),并附有原文链接,谢谢!