Menu

利用人工智能预测水氧化催化剂

        在催化化学领域,预测催化剂的传统的方法是首先合成少量催化剂,然后根据测试过程中的观察和催化剂表征对其进行测试和修改,这是一件充满挑战的事。近年来,人工智能(artificial intelligence)和机器学习(machine learning)发展迅速,在许多的领域得到应用。那么,人工智能和机器学习能否可以用于预测催化剂呢?
        最近,亚琛工业大学技术与大分子化学研究所的研究人员在《ACS Catalysis》发表的一篇文章中提出了将机器学习和电催化结合来预测水氧化催化剂的方法。使用已发表的数据集,大约6000份(Ni-Fe-Co-Ce)Ox催化剂样品,数据预处理后分为两部分用作训练数据集和测试数据集。采用三种机器学习模型(人工神经网络、支持向量回归和k-近邻回归)对电化学数据集进行训练和预测。最后,用平均均方误差和决定系数对以上三种模型进行了评价。
       结果显示三种简单的模型对水氧化催化剂都有较高的预测精度,其中支持向量回归模型表现最好。(来源:QYIM&AMSC JQ ZHONG 编报)

Username:

Password:

联系我们 Contact