摘要：六方氮化硼(h-BN)因其在催化轻质烷烃氧化脱氢(ODH)反应中表现出高反应活性、高烯烃选择性而受到越来越多的关注.之前对反应机理的研究表明,含氧硼物种(如>BOH、>BOOB<)与催化剂活性密切相关,但对h-BN可能的氧化模式和氧化模型的合理构建缺少系统研究和分析.本项工作建立了多种可能的含氧硼物种的模型,这些模型的区别在于氧化物种的类型(单氧与过氧)、氧化的位置(zigzag边或armchair边上的B或N位点)以及含氧基团的数量(氧化程度)等方面.研究从热力学角度评估了它们的稳定性,并计算了含氧硼物种的^(11)B固体核磁位移和谐振频率,提出了h-BN的zigzag边缘官能团化是其主要的氧化物种.为了解决量子化学谐振频率被高估的问题,研究进而采用硼基小分子拟合了含硼化合物的谐振频率校正因子,数值为0.9658(B3LYP/6-311G(d,p)).这项工作明确了氮化硼及其含氧物种的模型简化思路,为应用简化模型计算其热力学和核磁、振动光谱等性质提供了可行方案,有助于采用理论手段研究硼基催化反应的机理和各驻点的性质,为硼基催化体系的优化和理性设计提供理论依据.

摘要：近年来,含硼材料在新能源、催化等领域日益受到重视,然而,对于高附加值的含硼材料发展还存在很高的技术壁垒.因此,亟需深入研究含硼材料微观性质间的关联关系,推动高端含硼材料的研发.本工作面向材料研究从传统的试错法向数据驱动的研究范式转变的需求,通过特征选择、网格搜索优化以及特征重要性分析,探索了多种重要的机器学习算法在含硼材料能隙预测中的应用.结果表明,采用随机森林算法的能隙预测模型决定系数(R^(2))可达0.84,并发现含硼材料的总磁化强度(total magnetization)特征与能隙存在显著的负相关关系,即材料的总磁化强度越小,其能隙越大.本工作表明机器学习方法可用于定向设计具有特定能隙的含硼材料.同时,结果也表明,作为一种集成学习模型,随机森林具有较好的学习能力与稳定的预测性能,可以应用到其它类型材料体系的能隙以及其它材料属性的预测,加速材料性能的设计与优化过程,对新型功能材料的快速筛选与高性能预测具有重要的科学意义.