图机器学习加速掺杂ZrO2催化剂筛选:CO2加氢催化剂设计效率大幅提升
丹麦技术大学团队改进基于图的机器学习方法WWL-GPR,引入电子结构与局域环境特征预测掺杂氧化锆表面吸附与过渡态能量,替代昂贵DFT计算,加速CO2加氢掺杂催化剂的筛选。
共 2 篇 · B910化工 · AI 化学信息库
丹麦技术大学团队改进基于图的机器学习方法WWL-GPR,引入电子结构与局域环境特征预测掺杂氧化锆表面吸附与过渡态能量,替代昂贵DFT计算,加速CO2加氢掺杂催化剂的筛选。
清华大学与UNLV合作团队基于全维第一性原理神经网络势能面,对Cu(111)上CO2加氢生成甲酸盐进行态分辨动力学计算,发现转动激发而非此前认为的弯曲振动主导反应性提升,改写了经典Eley-Rideal机制解释。