【講座題目】pH-電場耦合微動力學建模和主動機器學習力場開發(fā)

【時 間】2024年6月24日 周一 上午9:30

【地 點】保定校區(qū) 動力工程系 教五樓102

【主講人】張頔，日本東北大學 材料科學高等研究所（WPI-AIMR）, 助理教授

【主講人簡介】

張頔，男，日本東北大學材料科學高等研究所HaoLi Lab特聘助理教授，從事燃料電池及電解池關鍵材料設計與制備工藝研究，主要研究方向為材料計算理論與人工智能方法開發(fā)，電催化過程理論建模與預測，先進氫能源材料設計與開發(fā)，先后主持博士后創(chuàng)新人才支持計劃項目、上海市“超級博士后”項目、自然科學青年基金項目等，參與重點研發(fā)計劃課題/子課題等10余個項目，以第一作者在Nature communications，JACS(2篇), Advanced Materials，Chemical Science等期刊發(fā)表SCI論文、授權發(fā)明專利4項。

【講座內容簡介】

氫燃料電池被廣泛認為是未來社會可持續(xù)發(fā)展的重要能源裝置。然而，電催化氧還原反應（ORR）是制約其效率的瓶頸。設計性能優(yōu)異，價格低廉、而且經久耐用ORR催化劑成為氫燃料電池商業(yè)化的關鍵。為了更好地理解氧還原反應機制，常見的模擬方法包括基于微觀動力學建模的火山圖模型和基于第一性原理計算的分子動力學（AIMD）模擬。然而，如何考慮微觀動力學模型中pH和電場效應的影響以及提高AIMD方法的采樣效率成為提高設計效率的關鍵。本次匯報將重點介紹pH-電場耦合微動力學建模精準揭示單原子M-N-C催化劑中的pH依賴性的微觀機理，提出“酸性陷阱”在M-N-C催化劑設計中的重要性。此外，本次報告也將展示機器學習力場結合力偏置蒙特卡洛方法在模擬碳原子在金屬表面生長石墨烯的應用。