图卷积神经网络探索金属纳米粒子的电化学稳定性

将 ScienceAI 设为星标

第一时间掌握

新鲜的 AI for Science 资讯

编辑 | 绿萝

表面普尔贝图（Pourbaix diagram），也称电位-pH 图，对于了解纳米材料的电化学稳定性至关重要。然而，其基于密度泛函理论的构建对于真实规模的系统（例如几个纳米级纳米粒子）来说过于昂贵。

在此，为了加速吸附能的准确预测，来自韩国科学技术院 （KAIST）和韩国科学技术研究院（KIST）的研究团队开发了一种键型嵌入式晶体图卷积神经网络（Bond-type Embedded Crystal Graph Convolutional Neural Network，BE-CGCNN）模型，该模型对四种键类型进行了不同处理。

BE-CGCNN 的准确性显著提高，使得探索各种尺寸和形状纳米粒子（Nanoparticle，NP）的电化学稳定性成