亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Machine-Learning-Assisted Optimization of a Single-Atom Coordination Environment for Accelerated Fenton Catalysis

催化作用 降级(电信) Atom(片上系统) 实现(概率) 计算机科学 工作(物理) 材料科学 生物系统 纳米技术 化学 生化工程 工艺工程 机械工程 嵌入式系统 有机化学 数学 工程类 电信 统计 生物
作者
Haoyu Fu,Ke Li,Chenfei Zhang,Jianghong Zhang,Jiyuan Liu,Xi Chen,Guoliang Chen,Yongyang Sun,Shuzhou Li,Lan Ling
出处
期刊:ACS Nano [American Chemical Society]
卷期号:17 (14): 13851-13860 被引量:5
标识
DOI:10.1021/acsnano.3c03610
摘要

Machine learning (ML) algorithms will be enablers in revolutionizing traditional methods of materials optimization. Here, we broaden the use of ML to assist the construction of Fenton-like single-atom catalysts (SACs) by developing a methodology including model building, training, and prediction. Our approach can efficiently extract synthesis parameters that exert a substantial influence on Fenton activity and accurately predict the phenol degradation rate k of SACs with a mean error of ±0.018 min–1. The extended synthesis window with accelerated learning enables the realization that the heating temperatures during SAC synthesis significantly influence the Fe–N coordination number, which ultimately dictates their performance. Through ML-guided optimization, a highly efficient SAC dominated by Fe–N5 sites with exceptional Fenton activity (k = 0.158 min–1) is identified. Our work provides an example for ML-assisted optimization of single-atom coordination environments and illuminates the feasibility of ML in accelerating the development of high-performance catalysts.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
HJZ完成签到,获得积分10
38秒前
BYOU2021完成签到,获得积分10
1分钟前
1分钟前
2分钟前
2分钟前
Mike001发布了新的文献求助10
2分钟前
云端发布了新的文献求助10
3分钟前
小马甲应助科研通管家采纳,获得10
3分钟前
爱心完成签到 ,获得积分10
4分钟前
mengyuhuan完成签到 ,获得积分10
5分钟前
爆米花应助btbu2015采纳,获得10
7分钟前
传奇3应助蛋壳柯采纳,获得10
7分钟前
阿泽完成签到 ,获得积分10
7分钟前
7分钟前
btbu2015发布了新的文献求助10
7分钟前
魏白晴完成签到,获得积分10
8分钟前
8分钟前
8分钟前
JACS左发布了新的文献求助10
8分钟前
蛋壳柯发布了新的文献求助10
8分钟前
9分钟前
小田心完成签到 ,获得积分10
9分钟前
大个应助哭泣的灵煌采纳,获得30
10分钟前
Furmark_14完成签到,获得积分10
10分钟前
10分钟前
天空xka发布了新的文献求助10
10分钟前
10分钟前
甜甜行恶完成签到,获得积分10
10分钟前
gugu发布了新的文献求助10
11分钟前
gugu完成签到,获得积分20
11分钟前
11分钟前
12分钟前
哭泣的灵煌完成签到,获得积分10
12分钟前
13分钟前
高贵石头发布了新的文献求助10
13分钟前
Akim应助高贵石头采纳,获得10
13分钟前
bkagyin应助可靠的寒风采纳,获得10
13分钟前
aidengu完成签到 ,获得积分10
14分钟前
啵子完成签到,获得积分20
14分钟前
16分钟前
高分求助中
Manual of Clinical Microbiology, 4 Volume Set (ASM Books) 13th Edition 1000
Teaching Social and Emotional Learning in Physical Education 900
The three stars each : the Astrolabes and related texts 550
Boris Pesce - Gli impiegati della Fiat dal 1955 al 1999 un percorso nella memoria 500
[Lambert-Eaton syndrome without calcium channel autoantibodies] 500
少脉山油柑叶的化学成分研究 500
Recherches Ethnographiques sue les Yao dans la Chine du Sud 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2400931
求助须知:如何正确求助?哪些是违规求助? 2100961
关于积分的说明 5297038
捐赠科研通 1828705
什么是DOI,文献DOI怎么找? 911459
版权声明 560311
科研通“疑难数据库(出版商)”最低求助积分说明 487239