[論文レビュー] Machine Learning Assisted Design and Optimization of Transition Metal-Incorporated Carbon Quantum Dot Catalysts for Hydrogen Evolution Reaction

Duong Nguyen Nguyen, Min‐Cheol Kim+8 more|arXiv (Cornell University)|Oct 26, 2022

Electrocatalysts for Energy Conversion被引用数 4

ひとこと要約

本研究では、水素発生反応（HER）触媒の最適化を目的として、遷移金属ドープ炭素量子ドット（M@CQD）の機械学習（ML）支援設計戦略を提案する。ベイジアン遺伝的アルゴリズム（BGA）MLモデルを用いて、3次元還元グラフェン酸化物上に形成されたニッケルドープ炭素量子ドット（Ni@CQD）が最適触媒として特定され、酸性媒体中で10 mA cm⁻²の電流密度を達成するための過電圧が189 mV、Tafel傾きが52 mV dec⁻¹に達し、長期間にわたる耐久性を示した。この結果は、電気化学的試験およびDFTシミュレーションにより検証された。

ABSTRACT

Development of cost-effective hydrogen evolution reaction (HER) catalysts with outstanding catalytic activity, replacing cost-prohibitive noble metal-based catalysts, is critical for practical green hydrogen production. A popular strategy for promoting the catalytic performance of noble metal-free catalysts is to incorporate earth-abundant transition metal (TM) atoms into nanocarbon platforms such as carbon quantum dots (CQDs). Although data-driven catalyst design methods can significantly accelerate the rational design of TM element-doped CQD (M@CQD) catalysts, they suffer from either a simplified theoretical model or the prohibitive cost and complexity of experimental data generation. In this study, we propose an effective and facile HER catalyst design strategy based on machine learning (ML) and ML model verification using electrochemical methods accompanied with density functional theory (DFT) simulations. Based on a Bayesian genetic algorithm (BGA) ML model, the Ni@CQD catalyst on a three-dimensional reduced graphene oxide (3D rGO) conductor is proposed as the best HER catalyst under the optimal conditions of catalyst loading, electrode type, and temperature and pH of electrolyte. We validate the ML results with electrochemical experiments, where the Ni@CQD catalyst exhibited superior HER activity, requiring an overpotential of 189 mV to achieve 10 mA cm-2 with a Tafel slope of 52 mV dec-1 and impressive durability in acidic media. We expect that this methodology and the excellent performance of the Ni@CQD catalyst provide an effective route for the rational design of highly active electrocatalysts for commercial applications.

研究の動機と目的

• グリーン水素生産のための水素発生反応（HER）に適した低コストで貴金属を含まない電気触媒の開発。
• データ駆動型触媒設計の限界を克服するため、機械学習を実験的検証およびDFTシミュレーションと統合すること。
• HER活性を向上させるための最適な遷移金属ドープ炭素量子ドット（M@CQD）構造の同定。
• ベイジアン遺伝的アルゴリズム（BGA）モデリングを用いた、高性能電気触媒の予測可能でスケーラブルな設計フレームワークの確立。

提案手法

• 理論的記述子に基づき、最適なM@CQD構造を予測するためにベイジアン遺伝的アルゴリズム（BGA）を用いた。
• BGAモデルは、触媒負荷量、電極種別、電解質の温度およびpHを評価し、最適な操作条件を同定した。
• 3次元還元グラフェン酸化物（3D rGO）上に形成されたNi@CQD触媒のML予測性能を検証するために、電気化学的実験を実施した。
• DFTシミュレーションを用いて、Ni@CQDにおける触媒的活性および電子構造の変化のメカニズム的理解を支援した。
• 実験データを反復的に用いてモデルを精緻化し、予測の正確性と信頼性を向上させた。
• ML予測と実験的・理論的検証の統合により、触媒最適化のクローズドループ設計パイプラインを実現した。

実験結果

リサーチクエスチョン

• RQ1 地球に豊富に存在する元素の中から、どの遷移金属ドープ炭素量子ドット（M@CQD）構造が最も高いHER活性を示すか？
• RQ2 触媒負荷量、電極種別、温度、pHは、M@CQD触媒のHER性能にどのように影響を与えるか？
• RQ3 ベイジアン遺伝的アルゴリズム（BGA）モデルは、HERの最適なM@CQD構造および操作条件を正確に予測できるか？
• RQ4 DFTシミュレーションによって予測された、Ni@CQDにおける強化されたHER活性の内在的電子的および表面的メカニズムは何か？
• RQ5 実験的検証は、MLによって予測されたNi@CQD触媒の性能をどの程度確認できるか？

主な発見

• 3次元還元グラフェン酸化物（3D rGO）上に形成されたNi@CQD触媒は、酸性電解質中で10 mA cm⁻²の電流密度に達するための過電圧が189 mVであった。
• Ni@CQD触媒のTafel傾きは52 mV dec⁻¹に測定され、Volmer-TafelまたはHeyrovsky反応機構が有利であることを示した。
• Ni@CQD触媒は酸性条件下でも優れた耐久性を示し、長時間にわたる運転でも性能を維持した。
• BGAモデルは、実験結果により検証された高精度で、最適な触媒構造および操作条件を正確に予測できた。
• DFTシミュレーションにより、NiドーピングがCQDの電子構造を顕著に変化させ、水素吸着自由エネルギーを向上させるとともに、プロトン移動を容易にすることが確認された。
• ML予測と実験およびDFTの統合フレームワークにより、迅速かつ合理的に高性能で貴金属を含まないHER電気触媒の設計が可能になった。