97在线视频免费人妻,性色av,被老外做的下身都肿了

碳-碳 (C-C) 耦合在電催化還原CO₂以生產綠色化學品的過程中是必不可少的。

然而，由于反應網絡的復雜性，關于潛在的反應機制和催化劑材料設計的最佳方向仍然存在爭議。

基于此，2024年8月3日，阿德萊德大學喬世璋教授團隊在國際頂級化學期刊Journal of the American Chemical Society發表題為《Machine Learning Big Data Set Analysis Reveals C-C Electro-Coupling Mechanism》的研究論文。

圖1：C?C耦合大數據集的構建和采樣過程

在文中，作者提出了一個全面的視角，建立了一個包含所有C–C耦合前體和催化活性位點組成的綜合數據集，通過大數據集分析來探索反應機制和篩選催化劑。

針對各種吸附構型而開發的二維到三維（2D-3D）集成機器學習策略，可以快速準確地擴展量子化學計算數據，從而快速獲取這一廣泛的大數據集。

喬世璋院士團隊，最新JACS！

圖2：二維到三維（2D-3D）集成模型的開發

對大數據集的分析表明:

（1）與對稱耦合相比，不對稱耦合機制表現出更高的潛在效率，最佳路徑涉及 CHO 與 CH 或 CH₂ 的耦合；

（2）通過包括 CuAgNb 位點的雙金屬摻雜可以增強銅基催化劑的 C-C 耦合選擇性。

重要的是，作者通過實驗證實了 CuAgNb 催化劑在C–C耦合中的實際增強性能。

圖3：大數據預測的C?C耦合催化劑的實驗驗證

本研究證明了基于機器學習加速的量子化學計算所生成的大數據集的實用性。

作者得出結論，將大數據與復雜的催化反應機制和催化劑成分相結合將為加速優化催化劑設計樹立新的范例。

文獻信息：Machine Learning Big Data Set Analysis Reveals C-C Electro-Coupling Mechanism, Journal of the American Chemical Society, 2024.https://doi-org.1394.top/10.1021/jacs.4c09079

原創文章，作者：計算搬磚工程師，如若轉載，請注明來源華算科技，注明出處：http://m.zzhhcy.com/index.php/2024/08/07/9adad653b8/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

喬世璋院士團隊，最新JACS！

相關推薦