研究催化剂的新方法可能导致更好的电池

一种新算法为使用人工智能和机器学习来研究材料表面上发生的相互作用打开了大门。

来源:罗切斯特大学

一种新算法为使用人工智能和机器学习来研究材料表面上发生的相互作用打开了大门。

科学家和工程师研究了在材料表面上发生的原子相互作用,以开发更有效的电池,电容器和其他设备。但是准确地模拟这些基本相互作用需要巨大的计算能力才能完全捕获所涉及的几何和化学复杂性,而当前的方法只是刮擦表面。

“目前,这是过于刺激的,世界上没有超级计算机可以进行类似的分析,”罗切斯特大学化学工程系的助理教授Siddharth Deshpande说。 “我们需要巧妙的方法来管理大型数据集,使用直觉来了解表面上最重要的交互,并应用数据驱动的方法来减少样本空间。”

siddharth deshpande 罗切斯特大学的 化学工程系

通过评估不同原子结构的结构相似性,Deshpande和他的学生发现他们可以准确地了解所涉及的化学过程,并通过分析表面相互作用的独特配置中的百分之二或更少来得出相关结论。他们开发了一种反映了这种见解的算法,他们在化学科学发表的一项研究中描述了这一见解。

化学科学发表的研究 化学科学

在研究中,作者首次使用该算法来分析有缺陷的金属表面的复杂性及其如何影响一氧化碳氧化反应,这反过来又可以帮助理解酒精燃料电池中的能量损失。 Deshpande说,他们开发了增压密度功能理论的算法,这是一种计算量子机械建模方法,他在过去几十年中称其为研究材料结构的“主力”。