Desentrañando el origen de la reactividad de la reducción de oxígeno en electrocatalizadores de aleaciones de alta entropía mediante un enfoque computacional y basado en datos

Las aleaciones de alta entropía (HEAs), caracterizadas como soluciones sólidas compuestas complejas con cinco o más elementos metálicos, han surgido como una nueva clase de materiales catalíticos con atributos únicos. Debido a la notable diversidad de sitios multielementales o conjuntos de sitios estabilizados por la entropía configuracional, la exploración humana del espacio de diseño multidimensional de las HEAs presenta un formidable desafío, lo que requiere una estrategia eficiente, computacional y basada en datos en lugar de la tradicional experimentación de prueba y error o modelado basado en la física. Aprovechando los potenciales interatómicos de aprendizaje profundo para simulaciones moleculares a gran escala y modelos de aprendizaje automático previamente entrenados de reactividad superficial, nuestro enfoque racionaliza efectivamente la actividad mejorada de un sistema de nanopartículas de HEA PdCuPtNiCo previamente sintetizado para la reducción electroquímica de oxígeno, como lo corroboran las observaciones experimentales. Sostenemos que este marco profundiza nuestra comprensión fundamental de la reactividad superficial de los materiales de alta entropía y fomenta el desarrollo y la síntesis acelerados de nanopartículas HEA monodispersas como una plataforma de material versátil para catalizar transformaciones químicas y energéticas sostenibles.