From prediction to synthesis: DFT-active learning-guided design of multimetallic catalysts for hydrogen evolution

저자

Minhee Park, Minki Kim, Yesol Kim, Yesol Kim, Seung Jae Kwak, Woo‐Bin Jung, Hee‐Tae Jung, 이원보 (Won Bo Lee), YongJoo Kim, YongJoo Kim

연구주제

Electrocatalysts for Energy Conversion · Machine Learning in Materials Science · CO2 Reduction Techniques and Catalysts

NTIS 과학기술표준분류

가장 가까운 분류(에너지/자원 > 신재생에너지 > 연료전지)가 화학·화공 범위 밖이다. 배정 근거: AI 키워드가 잡은 NTIS 과제의 분류.

AI 연구 키워드·방법

adsorption energy prediction 수소 발생 반응(HER) 다원금속 합금 촉매

능동 학습 밀도범함수 이론(DFT) gaussian process regression

키워드 (OpenAlex)

hydrogen evolution reaction electrocatalyst design active learning (machine learning) Gaussian process regression adsorption energy prediction binding sites carbothermal synthesis catalyst discovery

초록

이 논문을 지원한 국가R&D 과제 (NTIS 성과)

NTIS 성과DB(2020–24)에서 DOI 매칭 없음