机器学习助力发现高效CO2电催化还原Cu-Al合金催化剂

• 作者: 刘智攀 李晔飞
• 来源期刊: 科学通报
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 亮点述评
• 页码范围: 2074-2075
• 页数: 2页
• 语种: 中文
• DOI: 10.1360/TB-2020-0632

摘要

CO2大量排放造成的环境变化已逐渐成为制约现代社会发展的难题.将CO2还原为高附加值化学品(如乙烯)是解决这一问题的有效途径,具有重要的科学意义和应用前景.然而,由于CO2是一个非常惰性的分子,高效还原难度高.实验发现金属Cu可以作为将CO2还原为C2物种的催化剂,但是催化选择性和产率都很低,不能满足大规模工业化的要求[1].因此尝试对Cu改性,如形成合金,是常见的研究思路,但是Cu合金种类非常多,元素组成和比例均可调,如何理性高效寻找催化剂是一个重要科学挑战.随着高通量实验技术的引入,机器学习理论方法的兴起,科学家开始尝试这些新技术、新方法来辅助筛选催化剂.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘智攀		9	3	1.0	1.0
2	李晔飞		3	4	1.0	2.0