高级算法研究材料表面上的催化剂可能会导致更好的电池
作者：by Luke Auburn, University of Rochester
一种新的算法为使用人工智能和机器学习来研究材料表面上发生的相互作用打开了大门。
科学家和工程师研究原子相互作用这发生在材料表面上，以开发更有效的电池，电容器和其他设备。但是准确地模拟这些基本相互作用需要巨大的计算能力才能完全捕获所涉及的几何和化学复杂性，而当前的方法只是刮擦表面。
罗切斯特大学化学工程系的助理教授Siddharth Deshpande说：“目前，这是令人难以置信的，世界上没有超级计算机可以进行这样的分析。”“我们需要聪明的方法来管理大型数据集，使用直觉来了解表面上最重要的交互，并应用数据驱动的方法来减少样本空间。”
通过评估不同原子结构的结构相似性，Deshpande和他的学生发现他们可以准确地了解化学涉及并得出相关结论的过程仅通过分析表面相互作用的独特配置中的2％或更少。他们开发了一种反映了这种见解的算法，他们在研究中描述了这一见解出版在化学科学。
在这项研究中，作者首次使用算法来分析金属表面有缺陷的复杂性以及它如何影响一氧化碳氧化反应，从而有助于理解酒精燃料电池中的能量损失。
Deshpande说，他们开发了增压密度功能理论的算法，这是一种计算量子机械建模方法，他在过去几十年中称其为研究材料结构的“士兵”。
“这种新方法成为建筑物的建筑地面机器学习和人工智能，” Deshpande说。
“我们希望将其带入更加困难和具有挑战性的应用程序，例如了解电池中电极 - 电解质干扰，溶剂 -表面用于催化的相互作用和多组分材料，例如合金。”
更多信息：Jin Zeng等人，一种基于结构相似性的数据挖掘算法，用于建模多反应异质催化剂，化学科学（2025）。doi：10.1039/D5SC02117K
引用：在材料表面上研究催化剂的高级算法可能会导致更好的电池（2025年，6月20日）于2025年6月21日检索摘自https://phys.org/news/2025-06-Advanced-algorithm-catalysts-material-surfaces.html
该文档具有版权。除了为私人研究或研究目的的任何公平交易外，没有未经书面许可，可以复制部分。内容仅用于信息目的。
关于《高级算法研究材料表面上的催化剂可能会导致更好的电池》的评论
暂无评论