Accelerating materials discovery for electrocatalytic water oxidation via center-environment deep learning in spinel oxides
Source abstract
Abstract
Using DFT and machine learning, we evaluated 5329 spinel oxides and identified 14 promising OER electrocatalysts. Experimentally, MoAg 2 O 4 showed superior performance, achieving 10 mA cm −2 at 284 mV overpotential, surpassing commercial RuO 2 .
Source: crossref · Quality: baseline
Research context
OpenAlex topics: Electrocatalysts for Energy Conversion · Machine Learning in Materials Science · Advanced Photocatalysis Techniques
SciVX discovery tags are terminology-based. OpenAlex topics are source-provided classifications.
Affiliations
Materials Genome Institute, Shanghai University, Shanghai 200444, China
Shanghai Engineering Research Center of Organ Repair, School of Medicine, Shanghai University, Shanghai 200444, China
Joint International Research Laboratory of Biomaterials and Biotechnology in Organ Repair, Ministry of Education, School of Medicine, Shanghai University, Shanghai, 200444, China
Funding
National Natural Science Foundation of China · Shanghai University · Shanghai Rising-Star Program
References (67)
Show source-provided references
1. Armstrong · Nat. Energy · 2016 · 1 · 110.1038/nenergy.2015.20 ↗
2. Armaroli · Angew. Chem., Int. Ed. · 2007 · 46 · 5210.1002/anie.200602373 ↗
3. Obama · Science · 2017 · 355 · 12610.1126/science.aam6284 ↗
4. Grigoriev · Int. J. Hydrogen Energy · 2020 · 45 · 2603610.1016/j.ijhydene.2020.03.109 ↗
5. Hu · Trends Chem. · 2023 · 5 · 22510.1016/j.trechm.2023.01.002 ↗
6. Sun · Energy Environ. Mater. · 2023 · 6 · e1244110.1002/eem2.12441 ↗
7. Zou · Chem. Soc. Rev. · 2015 · 44 · 514810.1039/C4CS00448E ↗
8. Dau · ChemCatChem · 2010 · 2 · 72410.1002/cctc.201000126 ↗
9. Deng · Energy Environ. Sci. · 2023 · 16 · 521010.1039/D3EE02360E ↗
10. Kim · Adv. Mater. · 2023 · 35 · 221149710.1002/adma.202211497 ↗
11. Burke · J. Phys. Chem. Lett. · 2015 · 6 · 373710.1021/acs.jpclett.5b01650 ↗
12. Grimaud · Nat. Commun. · 2013 · 4 · 243910.1038/ncomms3439 ↗
13. Xiaowen · Adv. Funct. Mater. · 2021 · 31 · 210157810.1002/adfm.202101578 ↗
14. Chen · ACS Energy Lett. · 2023 · 8 · 350410.1021/acsenergylett.3c01030 ↗
15. Moon · Nat. Mater. · 2023 · 1
16. Sun · Small · 2023 · 19 · 220796510.1002/smll.202207965 ↗
17. Liu · Small · 2023 · 19 · 230221610.1002/smll.202302216 ↗
18. Wang · Chem. Soc. Rev. · 2020 · 49 · 915410.1039/D0CS00575D ↗
19. Olowoyo · Small · 2022 · 18 · 220312510.1002/smll.202203125 ↗
20. Sun · Adv. Funct. Mater. · 2021 · 31 · 200977910.1002/adfm.202009779 ↗
21. Song · Chem. Soc. Rev. · 2020 · 49 · 219610.1039/C9CS00607A ↗
22. Wei · Adv. Mater. · 2019 · 31 · 180629610.1002/adma.201806296 ↗
23. Huang · Matter · 2019 · 1 · 149410.1016/j.matt.2019.09.011 ↗
24. Chen · Joule · 2021 · 5 · 170410.1016/j.joule.2021.05.005 ↗
25. Qin · Adv. Energy Mater. · 2021 · 11 · 200356110.1002/aenm.202003561 ↗
26. Lin · J. Am. Chem. Soc. · 2022 · 144 · 41610.1021/jacs.1c10311 ↗
27. Xie · Adv. Funct. Mater. · 2022 · 32 · 211003610.1002/adfm.202110036 ↗
28. David · J. Energy Storage · 2019 · 23 · 39210.1016/j.est.2019.03.001 ↗
29. Zhao · Chem. Rev. · 2017 · 117 · 1012110.1021/acs.chemrev.7b00051 ↗
30. Zhang · ACS Nano · 2023 · 17 · 148510.1021/acsnano.2c10247 ↗
31. An · Angew. Chem., Int. Ed. · 2023 · 62 · e20221460010.1002/anie.202214600 ↗
32. Hooch Antink · Adv. Funct. Mater. · 2024 · 34 · 230943810.1002/adfm.202309438 ↗
33. Huang · Angew. Chem., Int. Ed. · 2021 · 60 · 1184110.1002/anie.202103058 ↗
34. Seh · Science · 2017 · 355 · eaad499810.1126/science.aad4998 ↗
35. Li · Nat. Catal. · 2022 · 5 · 10910.1038/s41929-021-00732-9 ↗
36. Liu · Comput. Mater. Sci. · 2021 · 187 · 11008210.1016/j.commatsci.2020.110082 ↗
37. Kumar · npj Comput. Mater. · 2021 · 7 · 110.1038/s41524-021-00669-4 ↗
38. Li · J. Phys. Chem. C · 2020 · 124 · 2845810.1021/acs.jpcc.0c06958 ↗
39. Li · npj Comput. Mater. · 2023 · 9 · 110.1038/s41524-022-00962-w ↗
40. Chen · J. Mater. Inf. · 2022 · 2 · 1910.20517/jmi.2022.23 ↗
41. Yu · J. Mater. Inf. · 2021 · 1 · 9
42. Shang · Mater. Genome Eng. Adv. · 2024 · 2 · e2810.1002/mgea.28 ↗
43. Timoshenko · J. Am. Chem. Soc. · 2023 · 145 · 406510.1021/jacs.2c11824 ↗
44. Moon · Nat. Mater. · 2023 · 21 · 1
45. Jia · J. Mater. Chem. A · 2024 · 12 · 1248710.1039/D4TA01884B ↗
46. Jia · Adv. Sci. · 2024 · 11 · 230563010.1002/advs.202305630 ↗
47. Esterhuizen · Nat. Catal. · 2022 · 5 · 17510.1038/s41929-022-00744-z ↗
48. Kitchin · Nat. Catal. · 2018 · 1 · 23010.1038/s41929-018-0056-y ↗
49. Xie · Phys. Rev. Lett. · 2018 · 120 · 14530110.1103/PhysRevLett.120.145301 ↗
50. Zhang · npj Comput. Mater. · 2022 · 8 · 110.1038/s41524-021-00695-2 ↗
51. Wang · Appl. Surf. Sci. · 2020 · 531 · 14732310.1016/j.apsusc.2020.147323 ↗
52. Guo · Comput. Mater. Sci. · 2021 · 200 · 11078710.1016/j.commatsci.2021.110787 ↗
53. Ward · npj Comput. Mater. · 2016 · 2 · 110.1038/npjcompumats.2016.28 ↗
54. Jha · Sci. Rep. · 2018 · 8 · 1759310.1038/s41598-018-35934-y ↗
55. Blatov · Crystallogr. Rev. · 2004 · 10 · 24910.1080/08893110412331323170 ↗
56. Sun · Nat. Catal. · 2020 · 3 · 55410.1038/s41929-020-0465-6 ↗
57. Lundberg · Adv. Neural Inf. Process. Syst. · 2017 · 30
58. T.Akiba , S.Sano , T.Yanase , T.Ohta and M.Koyama , in Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining , Association for Computing Machinery , New York, NY, USA , 2019 , pp. 2623–263110.1145/3292500.3330701 ↗
59. Lotfi · Matter · 2020 · 3 · 26110.1016/j.matt.2020.05.002 ↗
60. Armiento · Phys. Rev. B · 2014 · 89 · 13410310.1103/PhysRevB.89.134103 ↗
61. Hautier · Chem. Mater. · 2011 · 23 · 349510.1021/cm200949v ↗
62. Kiyabu · Chem. Mater. · 2018 · 30 · 200610.1021/acs.chemmater.7b05230 ↗
63. Hautier · Chem. Mater. · 2014 · 26 · 544710.1021/cm404079a ↗
64. Xiao · J. Phys. Chem. C · 2020 · 124 · 224710.1021/acs.jpcc.9b10295 ↗
65. Helal · Energy Fuels · 2024 · 38 · 227310.1021/acs.energyfuels.3c04297 ↗
66. Zhou · J. Colloid Interface Sci. · 2023 · 642 · 2310.1016/j.jcis.2023.03.129 ↗
67. He · Angew. Chem., Int. Ed. · 2020 · 59 · 692910.1002/anie.202001681 ↗