匹兹堡大学的保罗·科瓦奇 信用:CC0公共领域 开发可持续燃料和化学生产的催化剂需要一种“金发效应”——一些催化剂太无效，而另一些太不经济
催化剂测试也需要大量的时间和资源
然而，计算量子化学的新突破有望发现“恰到好处”的催化剂，并且比标准方法快几千倍
匹兹堡大学副教授约翰·阿
基思和他在斯旺森工程学院的实验室小组正在使用新的量子化学计算程序，对“太慢”或“太贵”的假设性电分析进行分类，比几年前认为可能的要彻底和快速得多
基思还是理查德·金梅隆大学斯旺森学院化学和石油工程系的能源研究员
基思小组的研究汇编“高效电催化剂的化学/材料空间的计算量子化学探索”于本月在电化学学会季刊《界面》上发表
“几十年来，催化剂的开发是反复试验的结果——在实验室里进行长达数年的开发和测试，使我们对催化过程的工作原理有了基本的了解
今天，计算建模为我们提供了在分子水平上对这些反应的新见解，”基思解释说
“然而最令人兴奋的是计算量子化学，它可以一次模拟许多原子的结构和动力学
再加上机器学习领域的不断发展，我们可以更快更精确地预测和模拟催化模型
" 在这篇文章中，基思解释了一种预测新型电催化剂的三管齐下的方法:1)分析假设的反应路径；2)预测理想的电化学环境；3)以炼金术微扰密度泛函理论和机器学习为动力的高通量筛选
文章解释了这些方法如何改变工程师和科学家开发社会所需的电催化剂的方式
基思说:“与标准协议相比，这些新兴的计算方法可以使研究人员在发现新系统方面的效率提高一千倍以上。”
“几个世纪以来，化学和材料科学依赖于传统的爱迪生实验室探索模式，这种模式带来的失败远远多于成功，因此浪费了大量的时间和资源
传统的计算量子化学已经加速了这些努力，但是最新的方法加强了它们
这有助于研究人员更好地查明社会迫切需要的未被发现的催化剂，以实现可持续的未来
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
