基于高斯过程回归的Ir-Co-Ti混合氧化物薄膜高通量筛选及其酸性析氧反应性能研究

《Digital Discovery》：Gaussian Process Regression-Enhanced Screening of Ir-Co-Ti Mixed-Oxide Thin-Film Electrocatalyst Libraries for Acidic Oxygen EvolutionOpen Access

　　

高通量（HT）实验是电催化领域的一种强大方法，能够快速探索成分-性能关系。然而，高通量研究通常面临通量与信息深度之间的权衡：快速活性筛选提供了速度但机理理解有限，而多模态表征虽然能提供更丰富的见解，却以效率为代价。后一种方法最适合基础研究，能为人工智能驱动的科学发现提供极具价值的数据集。在此，我们通过将高斯过程回归与全面的高通量表征相结合，来解决通量-知识权衡问题，在保持机理细节的同时提高数据生成速率。为展示这一策略，我们使用在室温和500°C下反应性共溅射的Ir-Co-Ti混合氧化物薄膜库作为模型体系，研究合成条件和相组成如何影响酸性条件下析氧反应（OER）的活性和稳定性。系统性表征表明，结晶度和相分离决定了性能，而通过扫描流池下游的原位电感耦合等离子体质谱法（SFC-ICP-MS）探测的溶解行为，为解释活性趋势提供了必要的背景信息。更广泛地说，所提出的工作流程提供了一种可转移的策略，将机器学习与多模态高通量方法相结合，以支持数据驱动的催化剂发现与开发。

该内容仅通过PDF提供。

打开 PDF 关于高斯过程回归增强的Ir-Co-Ti混合氧化物薄膜电催化剂库在酸性析氧反应中的筛选，在新窗口中

? 2026 作者所有。由皇家化学会出版

2026

作者

本文根据知识共享署名4.0国际许可协议授权。您可以在其他出版物中使用本文材料，无需向RSC申请额外许可，只需给予正确的致谢。

本作品根据 知识共享署名4.0国际许可协议 授权。