JACS：机器学习光谱定量揭示电场效应对CO2电催化的作用

JACS：机器学习光谱定量揭示电场效应对CO2电催化的作用

在化学反应中，尤其是电催化/电化学合成，电场在调控反应过程中起到关键作用。但是，由于难以微观定量表征电场效应的影响，因此通过电场调控电催化反应未曾得到深入理解。           

有鉴于此，中国科学技术大学罗毅教授、王嵩教授、河南省科学院/中国科学技术大学江俊教授等报道通过红外/拉曼光谱的CO2信号作为描述符，定量的预测不同电场对催化反应性质的影响。           

本文要点

1）以金属掺杂C3N4为例，通过理论预测方式对不同方向和强度电场下的CO2吸附在27个不同金属单原子表面的情况，在机器学习方法在红外/拉曼光谱描述符和吸附能/电荷转移之间建立关系，因此定量描述电场对CO2催化转化的影响。基于注意力机理（attention mechanism），挖掘了光谱和吸附模式之间的关系，并且能够从光谱反演电场强度。              

 2）这项工作为机器学习光谱用于定量描述和调控电催化反应提供帮助。

参考文献

Cheng-Xing Cui, Yixi Shen, Jun-Ru He, Yao Fu, Xin Hong, Song Wang*, Jun Jiang*, and Yi Luo*, Quantitative Insight into the Electric Field Effect on CO2 Electrocatalysis via Machine Learning Spectroscopy, J. Am. Chem. Soc. 2024

DOI: 10.1021/jacs.4c12174

https://pubs.acs.org/doi/10.1021/jacs.4c12174

版权声明：

本平台根据相关科技期刊文献、教材以及网站编译整理的内容，仅用于对相关科学作品的介绍、评论以及课堂教学或科学研究。如有侵权，请联系我们删除