公开(公告)号：CN113689918A

公开(公告)日：2021-11-23

申请号：CN202110701829.4

申请日：2021-06-24

Applicant: 北京工业大学

Inventor： 孙少瑞 ,  李舒远 ,  行妙娟 ,  王亚鑫 ,  王慧敏

IPC: G16C20/30 ,  G16C20/70 ,  G16C20/10 ,  G16C60/00

Abstract: 本发明公开了一种预测金属有机骨架材料催化二氧化碳性能的方法，首先确定预测金属有机骨架材料催化固定二氧化碳的特征参数，收集数据，建立机器学习预测的数据集；其次，对数据进行数据预处理；建立机器学习模型；将样本中金属有机骨架的特征和反应物的特征参数作为模型输入，待预测金属有机骨架性能作为模型输出，训练机器学习模型；将新的待预测金属有机骨架的特征参数输入到机器学习模型中，输出新的待预测材料催化性能；分析结果，找到金属有机骨架材料结构与性能之间的关系。本发明能够大规模的筛选出性能优异的催化剂材料，以解决现材料开发中的阻碍，材料设计的时间和成本高等问题。

公开(公告)号：CN114613445B

公开(公告)日：2025-04-04

申请号：CN202210234812.7

申请日：2022-02-18

Applicant: 北京工业大学

Inventor： 孙少瑞 ,  行妙娟 ,  王亚鑫 ,  王慧敏 ,  方照临 ,  孟孔

IPC: G16C20/10 ,  G16C20/70 ,  C25B1/23 ,  C25B3/07 ,  C25B3/26 ,  C25B11/089

Abstract: 一种预测二氧化碳电还原铜合金催化剂的方法属于二氧化碳电化学还原领域，通过应用密度泛函理论计算和机器学习，克服了效率低和选择性差的难题。本方法通过优化不同种类CuM合金的表面结构，应用密度泛函理论计算CO2还原反应的关键中间体(CO、HCOO、COOH、H)在各个表面的吸附能。为了降低特征的空间维度，选择5个材料的特征参数，包括功函数(W)、原子序数(AN)、晶面间距(d)、电负性(EN)和局部电负性(χi)，通过机器学习训练，得到预测性能良好的梯度提升回归(GBR)模型，训练结果与包含13个特征的模型的预测性能接近。本方法不仅快速预测二氧化碳电还原铜合金催化剂，而且为设计其他催化剂提供了思路。

公开(公告)号：CN114613445A

公开(公告)日：2022-06-10

申请号：CN202210234812.7

申请日：2022-02-18

Applicant: 北京工业大学

Inventor： 孙少瑞 ,  行妙娟 ,  王亚鑫 ,  王慧敏 ,  方照临 ,  孟孔

IPC: G16C20/10 ,  G16C20/70 ,  C25B1/23 ,  C25B3/07 ,  C25B3/26 ,  C25B11/089

Abstract: 一种预测二氧化碳电还原铜合金催化剂的方法属于二氧化碳电化学还原领域，通过应用密度泛函理论计算和机器学习，克服了效率低和选择性差的难题。本方法通过优化不同种类CuM合金的表面结构，应用密度泛函理论计算CO2还原反应的关键中间体(CO、HCOO、COOH、H)在各个表面的吸附能。为了降低特征的空间维度，选择5个材料的特征参数，包括功函数(W)、原子序数(AN)、晶面间距(d)、电负性(EN)和局部电负性(χi)，通过机器学习训练，得到预测性能良好的梯度提升回归(GBR)模型，训练结果与包含13个特征的模型的预测性能接近。本方法不仅快速预测二氧化碳电还原铜合金催化剂，而且为设计其他催化剂提供了思路。