[논문 리뷰] Machine Learning Assisted Design and Optimization of Transition Metal-Incorporated Carbon Quantum Dot Catalysts for Hydrogen Evolution Reaction

Duong Nguyen Nguyen, Min‐Cheol Kim외 8명|arXiv (Cornell University)|2022. 10. 26.

Electrocatalysts for Energy Conversion인용 수 4

한 줄 요약

이 연구는 전이 금속 도핑된 탄소 큐비트 점(M@CQD)의 기계학습(ML) 지원 설계 전략을 제안하여 수소 발생 반응(HER) 촉매를 최적화한다. 베이지안 유전 알고리즘(BGA) 기반의 ML 모델을 통해 3D 감소 그래핀 옥사이드에 도핑된 니켈@CQD(Ni@CQD)가 최적의 촉매로 규명되었으며, 산성 매질에서 10 mA cm⁻²의 전류 밀도를 달성하는 데 189 mV의 초과전압, 52 mV dec⁻¹의 Tafel 기울기, 뛰어난 내구성을 보였으며, 전기화학적 시험과 DFT 시뮬레이션을 통해 검증되었다.

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.

연구 동기 및 목표

• 녹색 수소 생산을 위한 수소 발생 반응(HER)을 위한 저비용, 박막 금속을 포함하지 않는 전기촉매 개발.
• 기계학습과 실험 검증, DFT 시뮬레이션을 융합하여 데이터 기반 촉매 설계의 한계를 극복.
• 향상된 HER 활성을 위한 최적의 전이 금속 도핑 탄소 큐비트 점(M@CQD) 구조 규명.
• 베이지안 유전 알고리즘(BGA) 모델을 활용한 고성능 전기촉매에 대한 예측 가능하고 확장 가능한 설계 프레임워크 수립.

제안 방법

• 이론적 기초 요소를 바탕으로 HER에 최적의 M@CQD 구조를 예측하기 위해 베이지안 유전 알고리즘(BGA) 모델을 활용.
• 촉매 적재량, 전극 유형, 온도, 전해질 pH 등을 평가하여 최적의 작동 조건 규명.
• 3D 감소 그래핀 옥사이드(3D rGO) 상의 Ni@CQD 촉매 성능에 대한 ML 예측 성능을 실험적으로 검증.
• DFT 시뮬레이션을 통해 Ni@CQD의 촉매 활성 및 전자 구조 변화의 기계적 이해를 지원.
• 실험 데이터를 반복적으로 통합하여 모델의 정확성과 신뢰도 향상.
• 기계학습 예측과 실험 및 이론적 검증을 융합하여 촉매 최적화를 위한 폐쇄형 설계 파이프라인 확립.

실험 결과

연구 질문

• RQ1 지구에 풍부한 원소 중에서 어떤 전이 금속 도핑 탄소 큐비트 점(M@CQD) 구조가 가장 높은 HER 활성을 나타내는가?
• RQ2 촉매 적재량, 전극 유형, 온도, pH는 M@CQD 촉매의 HER 성능에 어떤 영향을 미치는가?
• RQ3 베이지안 유전 알고리즘(BGA) 모델은 HER에 최적의 M@CQD 구조 및 작동 조건을 정확하게 예측할 수 있는가?
• RQ4 DFT 시뮬레이션에 의해 예측된 바에 따르면, Ni@CQD에서 향상된 HER 활성의 내재된 전자적 및 표면 기계적 메커니즘은 무엇인가?
• RQ5 실험적 검증은 ML 예측 성능에 대해 얼마나 높은 수준으로 확인되는가?

주요 결과

• 3D 감소 그래핀 옥사이드(3D rGO) 상의 Ni@CQD 촉매는 산성 전해질에서 10 mA cm⁻²의 전류 밀도를 달성하는 데 189 mV의 초과전압 기록.
• Ni@CQD 촉매의 Tafel 기울기는 52 mV dec⁻¹로 측정되어 Volmer-Tafel 또는 Heyrovsky 반응 동역학이 유리함을 시사.
• Ni@CQD 촉매는 산성 조건에서 뛰어난 내구성을 보이며, 장기간 작동 동안 성능 유지.
• BGA 모델은 실험 결과에 의해 검증된 바와 같이 높은 정확도로 최적의 촉매 구조 및 작동 조건을 예측.
• DFT 시뮬레이션은 Ni 도핑이 CQDs의 전자 구조를 크게 변화시켜 수소 흡착 자유 에너지를 향상시키고 수소 이온 이동을 촉진함을 확인.
• 기계학습-실험-DFT 통합 프레임워크를 통해 고성능, 박막 금속을 포함하지 않는 HER 전기촉매의 신속하고 이성적인 설계 가능.