WWL-GPR图机器学习改进掺杂ZrO₂的CO₂加氢催化剂筛选

Karsten Walz Jensen、Mie Andersen、Raffaele Cheula 等在 arXiv 发布论文，改进图基机器学习方法 WWL-GPR（Wasserstein Weisfeiler-Lehman 高斯过程回归），引入与氧化物表面相关的电子结构和局域环境特征，用于预测 Al³⁺、Cd²⁺、Ga³⁺、In³⁺、Zn²⁺ 掺杂 ZrO₂(101) 表面的吸附能和过渡态能。 基于论文摘要：模型与热力学缩放关系（TSR，针对反应中间体）和 Brønsted-Evans-Polanyi 关系（BEP，针对过渡态）进行基准比较，称改善了反应中间体预测；将预测能量传递到微动力学 CH₃OH 产率估计中，得到更接近 DFT 参考值的结果。误差分析与 HCOO* 形成、H₂COOH* 解离和 H₃CO* 形成等速率控制步骤相关。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。