基于机器学习的MXenes异质结构双效催化剂筛选方法技术

本发明专利技术公开了基于机器学习的MXenes异质结构双效催化剂筛选方法，具体包括挑选MXene结构；挑选MN<subgt;4</subgt;金属元素；构建异质结构，使用DFT计算异质结构作为原始数据集，用于机器学习模型训练数据；选择回归算法训练机器学习模型，利用SR算法阐述过电位与描述符之间的内在关系，得到适合ORR，OER过电位的描述符公式，并通过特征工程筛选特征参数来构建机器学习模型对过电位进行预测。本发明专利技术解决了现有技术中存在的MXenes异质结构组合样式多、试错缓慢、计算繁杂问题。

【技术实现步骤摘要】

本专利技术属于催化材料研发，涉及基于机器学习的mxenes异质结构双效催化剂筛选方法。

技术介绍

1、还原与氧化反应是清洁能源技术的关键，氧还原反应(orr)与析氧反应(oer)影响着燃料电池的电化学转换过程，其效率对燃料电池有重要作用。目前已有的orr，oer催化剂有贵金属(pt，iro2)合金、过渡金属碳化物/氮化物、石墨烯等在不同器件中均能体现出较低的过电位。在石墨烯模板上合成了大面积mo2c/mxene，由于mxene特殊的层间结构和过渡金属间相互作用的多样性，可以提高orr与oer性能具有可合成性。然而与m2c相比，m2n中的每个n都包含一个额外的电子，导致费米能级附近的态密度(dos)过量，提供了更高的电导率，也证明过渡金属氮化物具有更高的导电性相较过渡金属碳化物。此外有实验与计算证明，在碳结构中加入n原子可以调控电子结构，增强催化活性。daniel wilhelm团队选用机器学习与第一性原理计算筛选数据库中低维异质结从而成功预测带隙和层间结合能等,避免大组合空间的暴力探索。同样结合机器学习与密度泛函理论对78种未加终端的gra/mxene(v本文档来自技高网...

【技术保护点】

1.基于机器学习的MXenes异质结构双效催化剂筛选方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述的基于机器学习的MXenes异质结构双效催化剂筛选方法，其特征在于，所述步骤1挑选9种MXene结构，包括V2NO、Ti2NO、Nb2NO、Zr2NO、Hf2NO、Mo2NO、Ta2NO、W2NO、Cr2NO。

3.根据权利要求1所述的基于机器学习的MXenes异质结构双效催化剂筛选方法，其特征在于，步骤2挑选MN4金属元素包括3d原子Ti、V、Cr、Mn、Fe、Co、Ni、Cu，4d原子Zr、Nb、Mo、Ru、Rh、Pd、Ag以及5d原子Pt、Ir...

【技术特征摘要】

1.基于机器学习的mxenes异质结构双效催化剂筛选方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述的基于机器学习的mxenes异质结构双效催化剂筛选方法，其特征在于，所述步骤1挑选9种mxene结构，包括v2no、ti2no、nb2no、zr2no、hf2no、mo2no、ta2no、w2no、cr2no。

3.根据权利要求1所述的基于机器学习的mxenes异质结构双效催化剂筛选方法，其特征在于，步骤2挑选mn4金属元素包括3d原子ti、v、cr、mn、fe、co、ni、...

【专利技术属性】
技术研发人员：崔红，高志凯，白雪，冯荣，
申请(专利权)人：陕西理工大学，
类型：发明
国别省市：