电子结构是了解材料如何作为介体的介质，或催化剂，化学反应的关键
“我们正在学习识别材料的指纹并将其与材料的性能连接，”布莱恩说金匠，化学工程的道康宁助理教授
更好地预测哪种金属和金属氧化物组合物最适合引导哪种反应可以改善大规模化学过程，如氢生产，生产其他燃料的生产肥料，以及洗碗皂
的家庭化学品的制造
“我们研究的目的是开发将连接的预测模型催化剂的几何形状为其性能这种模型是设计新催化剂的临界化学转型的核心，“Martjo Lewis Perl Collegiate的化学工程教授
预测材料如何表现为化学反应的潜在介体的主要方法是分析其电子结构，具体地是状态的密度这描述了在反应中的电子中可用的量子状态有多少这些状态的分子和能量
通常，状态的电子密度被描述为概述统计 - 展示更多电子状态是否高于或低于平均值的平均能量或歪斜，概述
“没关系，布那些只是简单的统计数据
你可能错过了一些
通过主成分分析，你只是采取一切，找到重要的是
你不只是抛弃信息“戈德史密斯表示
主成分分析是一种经典机器学习方法，在介绍性数据科学课程中教授，它们使用了各种电子密度作为模型的输入，作为状态的密度是一种良好的预测因子，催化剂表面如何吸附，或者与用作反应物的原子和分子键合的原子和分子与常规的材料的组成链接状态的密度
机器学习，基本上是一个黑色框，它输入数据并提供预测的回报，thE团队制作了一种算法，他们可以理解
“”我们可以系统地看到的状态是什么在状态的密度变化并与材料的几何特性相关，“化学工程博士生和博士学位的博士esterhuizen表示在Chem催化中的纸张上的第一个作者
这些信息有助于化学工程师设计金属合金以获得所希望介导化学反应的状态的密度
模型精确地反映在已经观察到的相关性材料的组成及其密度以及要探索的新潜在趋势
模型简化了各种密度分为两件，或主要成分
一件基本上覆盖原子如何金属将金属在层状金属合金中配合在一起，这包括底表面金属是否将表面原子挤出或将它们挤压在一起，以及地下金属有助于粘合的电子的数量
[其他片段仅仅是表面金属原子可以有助于粘合到这两个主成分的电子的数量，它们还可以重建材料中的状态的密度
适用于金属氧化物的反应性
在这种情况下，关注氧与原子和分子相互作用的能力，这与表面氧的稳定有关的是稳定的表面氧不太可能反应，而不稳定的表面氧气更加反应模型精确地捕获金属氧化物中的氧气稳定性和钙钛矿，一类金属氧化物
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
