逆三明治構造を持つ配位工学で設計された二原子触媒によるCO2還元：DFTと機械学習の統合研究

配位工学は、CO2還元反応（CO2RR）に対する電解触媒の活性と選択性を向上させるための有望なルートを提供します。ここでは、逆三明治構造を持つCuベースの二原子触媒（DAC）の発見を加速するために、密度汎関数理論（DFT）と機械学習（ML）のフレームワークを確立しました。四段階のスクリーニングプロトコル（安定性 → CO2吸着 → 選択性 → 活性）を使用して、162の構造の中から18の候補を特定し、すべてがCu(111)およびCu-N4の性能を上回り、配位調整された幾何学の利点を強調しました。さらに、触媒活性を予測するために5つの主要な記述子に基づいた解釈可能なXGBoostモデルを開発しました。このモデルを162のAgベースおよび837のCuベースのDACに適用したところ、それぞれ9および153の有望な候補が得られました。選ばれた候補のDFT検証は、モデルの信頼性を確認しました。本研究は、効率的なCO2RRのための配位工学で設計されたDACの可能性を強調し、触媒発見を加速するための堅牢で移転可能なDFT-ML戦略を示しています。