机器学习在高熵电催化材料中的研究进展

作     者：宗宇杨 李俊辉 朱向东 单光存 马汝广 ZONG Yuyang;LI Junhui;ZHU Xiangdong;SHAN Guangcun;MA Ruguang

作者机构：苏州科技大学材料科学与工程学院江苏苏州215009 北京航空航天大学仪器光电工程学院北京100191 

基　　金：国家自然科学基金面上资助项目(52172058) 

出 版 物：《上海大学学报（自然科学版）》 (Journal of Shanghai University:Natural Science Edition)

年 卷 期：2023年第29卷第5期

页      码：859-885页

摘      要：高熵材料(high-entropy material,HEM)是一类具有良好性能的新型材料,以其较好的催化潜力、耐腐蚀性能等特点受到广泛关注.传统的高熵催化剂研究大多局限于各自的知识体系,难以兼容合并,不利于更优异的催化剂的后续研发.机器学习(machine learning,ML)作为一种基于大数据集来建立数理模型、进行研究推理的新兴学科,正逐步成为人们重点关注的人工智能科学分支.通过机器学习建立大数据库可以有效改善传统的研究状况,使研究效率大为提高.机器学习能用于识别定量的组分-结构-性能关系,通过从历史数据中学习而无需通过显式编程来加速电催化剂的设计.对机器学习算法、高熵材料进行了介绍,并阐述了机器学习在设计高熵电催化剂中的应用,讨论了机器学习在高熵电催化剂筛选和预测方面的发展前景.

主 题 词：电催化 高熵材料 机器学习 

学科分类：081704[081704] 08[工学] 0817[工学-轻工类] 

D　O　I：10.12066/j.issn.1007-2861.2528

馆 藏 号：203125150...