Key points are not available for this paper at this time.
वैश्विक ऊर्जा की बढ़ती मांग, पारंपरिक जीवाश्म ईंधनों से जुड़े पर्यावरणीय चिंताओं के साथ, स्वच्छ और टिकाऊ विकल्पों की ओर एक बदलाव की आवश्यकता है। यह अध्ययन मशीन-लर्निंग (ML)-चालित उच्च-थ्रूपुट स्क्रीनिंग पर केंद्रित है, जो ट्रांजिशन-मेटल (TM) एटम इंटरकैलेटेड g-C3N4/MX2 (M = Mo, W; X = S, Se, Te) हेटरोस्ट्रक्चर की क्षमता को बढ़ाने के लिए हाइड्रोजन विकास प्रतिक्रिया (HER) गतिविधि को अनरवल करने के लिए समर्पित है। हेटरोस्ट्रक्चर की स्थिरता और सब्स्ट्रेट के भीतर इंटरकैलेशन को चिपकने और बाइंडिंग ऊर्जा के माध्यम से सत्यापित किया गया है, जो इंटरैक्शन गुणों पर चल्कोजेनाइड चयन के महत्वपूर्ण प्रभाव को दर्शाता है। हाइड्रोजन अवशोषण गिब्स फ्री एनर्जी (ΔGH) पर आधारित जो घनत्व कार्यात्मक सिद्धांत (DFT) गणनाओं के माध्यम से वितरित की गई है, कई ML मॉडल का मूल्यांकन किया गया, विशेष रूप से रैंडम फॉरेस्ट रिग्रेशन (RFR) ने HER गतिविधि की भविष्यवाणी में एक मजबूत उपकरण के रूप में उभरा है, जिसमें 0.118 eV का कम औसत निरपेक्ष त्रुटि (MAE) है, जिससे तेज कैटेलिस्ट स्क्रीनिंग के लिए मार्ग प्रशस्त होता है। शाप्ले एडिटिव एक्सप्लेनेशन (SHAP) विश्लेषण महत्वपूर्ण वर्णनकर्ताओं को स्पष्ट करता है जो HER गतिविधि को प्रभावित करते हैं, जिसमें C साइट (HC) पर हाइड्रोजन अवशोषण, MX परत (HMX), S साइट (HS), और N साइट (IN) पर TM एटम का इंटरकैलेशन शामिल है। कुल मिलाकर, हमारे DFT और ML का उपयोग करते हुए एकीकृत दृष्टिकोण N साइट (site-3) पर हाइड्रोजन अवशोषण की पहचान करता है जो g-C3N4 का एक महत्वपूर्ण सक्रिय साइट है, जो Sc और Ti के साथ इंटरकैलेटेड हेटरोस्ट्रक्चर में असाधारण HER गतिविधि को दर्शाता है, जो उत्प्रेरक प्रदर्शन में प्रगति के लिए उनकी क्षमता को उजागर करता है।
ज्योतिरमयी एट अल. (2024) ने इस प्रश्न का अध्ययन किया।