理论计算机器学习与AI性质预测与高通量筛选结构–性质模型与高通量筛选计算目的案例参考机器学习与AI性质预测与高通量筛选当前预约服务结构–性质模型与高通量筛选图神经网络、描述符模型、形成能、吸附能、带隙、高通量筛选、交叉验证、DFT 复核图示仅用于技术案例说明,不代表本公司项目成果或特定客户案例计算目的用第一性原理数据集训练结构–性质模型,对有限候选材料库进行高通量筛选,并复核关键候选的计算结果案例参考机器学习加速的高性能铂合金纳米颗粒燃料电池催化剂设计针对碳载 PtCo 金属间化合物在粒径与有序度之间的权衡,用机器学习在庞大构型空间中筛选,定量评估化学有序对热力学稳定性的影响。发现在 PtCo 中引入 Cu/Ni 可通过诱导 Co–Cu/Ni 无序提供额外稳定化能量,从而促进有序化并改善比活性与活性面积的折中。据此实验制备了小尺寸、高度有序的三元 Pt₂CoCu 和 Pt₂CoNi 催化剂,电化学活性面积约 90 m² gₚₜ⁻¹,比活性约 3.5 mA cm⁻²。查看文章微信扫码,免费咨询如果你不确定适合方案,可以把需求发给我们Email: chengyankeji2026@163.com立即咨询微信二维码返回立即下单