已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Interpretable Machine Learning Unveils Hydroxyl/Amino Synergy and Guides Discovery of Optimal MOF Photocatalysts for Hydrogen Evolution

化学 人工智能 机器学习 光催化 透明度(行为) 催化作用 冠军 计算机科学 纳米技术 合理设计 空格(标点符号) 带隙 工作(物理) 化学空间 生化工程 对偶(语法数字) 能量(信号处理) 数量结构-活动关系
作者
Haihan Qin,Jieying Hu,Shengyi Zhao,Hua‐Qun Zhou,Wei‐Ming Liao,Lai‐Hon Chung,Ying Wu,Jun Hui He
出处
期刊:Journal of the American Chemical Society [American Chemical Society]
卷期号:148 (29): 30998-31010 被引量:8
标识
DOI:10.1021/jacs.6c05998
摘要

Metal-organic frameworks (MOFs) are premier platforms for photocatalytic hydrogen evolution (PHER), yet navigating their multidimensional parameter space typically relies on inefficient trial-and-error approach. While machine learning (ML) can accelerate discovery, it is often hindered by ″black-box″ predictions that lack mechanistic transparency and experimental validation. Herein, we establish an interpretable ML-to-experimental framework for rational MOF engineering. By training a CatBoost model on a curated database and employing SHapley Additive Explanations (SHAP), we deconstructed the hierarchical influence of ligand motifs on catalytic activity. This revealed the cooperative effect of hydroxyl and amino dual functionalization, which optimizes the electronic landscape through balanced bandgap dynamics and hard-soft acid-base (HSAB) matching. Guided by these insights, we synthesized benzophenanthrene-based mixed-ligand MOFs. The champion catalyst achieved a peak HER rate of 73.7 mmol g-1 h-1─without external photosensitizers or cocatalysts─exhibiting a 4.18% deviation from algorithmic predictions and a 15.8% enhancement over the top of the data set. This work develops a high-performance photocatalytic system and provides a generalizable, interpretable paradigm for data-driven discovery of advanced energy materials.
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
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
Dawn完成签到 ,获得积分10
1秒前
sw123完成签到 ,获得积分10
1秒前
情苏完成签到,获得积分10
1秒前
1秒前
xyxy完成签到,获得积分10
1秒前
2秒前
homing发布了新的文献求助30
2秒前
彭于晏的应助被杨涛采纳,获得10
3秒前
3秒前
3秒前
4秒前
爱听歌的以山完成签到,获得积分10
5秒前
5秒前
5秒前
6秒前
6秒前
6秒前
情苏发布了新的文献求助10
7秒前
7秒前
FF发布了新的文献求助10
7秒前
8秒前
8秒前
8秒前
8秒前
uxz完成签到,获得积分10
8秒前
9秒前
9秒前
9秒前
3921337477的应助被u562605采纳,获得60
9秒前
9秒前
CYLiu发布了新的文献求助10
10秒前
10秒前
10秒前
10秒前
10秒前
10秒前
10秒前
10秒前
罗非鱼发布了新的文献求助10
11秒前
11秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8184723
求助须知:如何正确求助?哪些是违规求助? 9573702
关于积分的说明 21832740
捐赠科研通 7782090
什么是DOI,文献DOI怎么找? 3434404
关于科研通互助平台的介绍 2558528
邀请新用户注册赠送积分活动 2481054