【做计算 找华算】理论计算助攻顶刊，50000+成功案例，全职海归技术团队、正版商业软件版权！经费预存选华算：高至17%预存增值、¥8500返利送送送！研究概述一元到三元金属氧化物的催化性质已得到了很好的实验探索，而剩下的空间似乎只有高熵金属氧化物（HEOs，元素类型≥5）。然而，无数的元素组成使得通过试错方法发现HEO催化剂几乎不可能。基于此，2024年10月27日，宁夏大学张鹏飞教授在国际期刊Journal of the American Chemical Society发表题为《Machine Learning Accelerated Discovery of Entropy-Stabilized Oxide Catalysts for Catalytic Oxidation》的研究论文。在这里，研究人员基于对ACr2Ox催化剂系统的晶相和催化性能的研究，通过相应的高精度机器学习模型（交叉验证分数> 0.7）获得的相似元素重要性序列，推断出单一尖晶石相与CH4氧化的良好催化活性之间的强相关性。此外，搜索负面数据并选择适当的训练数据，可以得到高质量的回归模型来寻找更好的催化剂。最后，筛选出的不规则催化剂Ni0.04Co0.48Zn0.36V0.12Cr2Ox具有优异的抗硫和抗湿性能以及长期稳定性（>7000小时，T90=345℃），这预示了应用机器学习方法发现目标过程中的高熵金属氧化物的潜力。 图文解读图1：CO和C3H6氧化回归模型的训练和筛选过程图2：CH4氧化实验验证样本的筛选过程图3：Ni0.04Co0.48Zn0.36V0.12Cr2Ox在CH4完全氧化中的结构表征及应用 文献信息Machine Learning Accelerated Discovery of Entropy-Stabilized Oxide Catalysts for Catalytic Oxidation, Journal of the American Chemical Society, 2024. https://doi.org/10.1021/jacs.4c12838.做计算，找华算 🏅 我们提供专业的第一性原理、分子动力学、生物模拟、量子化学、机器学习、有限元仿真等代算服务。🎯我们的理论计算服务，累计助力5️⃣0️⃣0️⃣0️⃣0️⃣➕篇科研成果，计算数据已发表在Nature & Science正刊及大子刊、JACS、Angew、PNAS、AM系列等国际顶刊。 👏👏👏👉 点击阅读原文加我，探索更多优惠💖
