当前最先进的CO到乙酸盐盐电转化法具有与直接CO2RR方法相当的FE，绿氢立但其全电池电位要低得多，约为4V，表明具有更低的每吨乙酸盐钾总能耗231GJ的潜力。

产融相关的研究成果以CreatingDualActiveSitesinConductiveMetal-OrganicFrameworksforEfficientWaterSplitting为题发表在AdvancedEnergyMaterials上。此外，研究只需要200mV的过电位就可以驱动10mAcm−2的OER，这优于RuO2基准的催化活性（370mV）。

电化学水分解具有工艺简单，中心上不产生其他副产物等特点，符合清洁技术的要求。©2023Wiley图4a)RuCo-CAT/CC、海交RhCo-CAT/CC、IrCo-CAT/CC、Co-CAT/CC和商用Pt/C/CC在1.0MKOH中的OERLSV图。三、学揭【核心创新点】  1、作者通过一锅溶剂热法成功的在CC基板上使用贵金属(Ru、Ir、Rh)掺杂合成出双活性位点双功能电催化剂。

其中，牌成RuCo-CAT表现出优异的双功能活性。这项研究结果强调了导电MOF可以作为高效的水分解双功能催化剂，绿氢立而MOF中设计双活性位点是开发可用于能量转换和存储领域各种应用的双功能催化剂的有效方法之一。

但其价格昂贵，产融储量有限，阻碍了其大规模应用

正常的情况下的狗鼻子应该是湿湿的、研究凉凉的。3.1材料结构、中心上相变及缺陷的分析2017年6月，中心上Isayev[4]等人将AFLOW库和结构-性能描述符联系起来建立数据库，利用机器学习算法对成千上万种无机材料进行预测。

就是针对于某一特定问题，海交建立合适的数据库，海交将计算机和统计学等学科结合在一起，建立数学模型并不断的进行评估修正，最后获得能够准确预测的模型。文章详细介绍了机器学习在指导化学合成、学揭辅助多维材料表征、学揭获取新材料设计方法等方面的重要作用，并表示新一代的计算机科学，会对材料科学产生变革性的作用。

参考文献[1]K.T.Butler,D.W.Davies,H.Cartwright,O.Isayev,A.Walsh,Nature,559(2018)547.[2]D.-H.Kim,T.J.Kim,X.Wang,M.Kim,Y.-J.Quan,J.W.Oh,S.-H.Min,H.Kim,B.Bhandari,I.Yang,InternationalJournalofPrecisionEngineeringandManufacturing-GreenTechnology,5(2018)555-568.[3]周子扬,电子世界,(2017)72-73.[4]O.Isayev,C.Oses,C.Toher,E.Gossett,S.Curtarolo,A.Tropsha,Naturecommunications,8(2017)15679.[5]V.Stanev,C.Oses,A.G.Kusne,E.Rodriguez,J.Paglione,S.Curtarolo,I.Takeuchi,npjComputationalMaterials,4(2018)29.[6]A.Rovinelli,M.D.Sangid,H.Proudhon,W.Ludwig,npjComputationalMaterials,4(2018)35.[7]J.C.Agar,Y.Cao,B.Naul,S.Pandya,S.vanderWalt,A.I.Luo,J.T.Maher,N.Balke,S.Jesse,S.V.Kalinin,AdvancedMaterials,30(2018)1800701.[8]R.K.Vasudevan,N.Laanait,E.M.Ferragut,K.Wang,D.B.Geohegan,K.Xiao,M.Ziatdinov,S.Jesse,O.Dyck,S.V.Kalinin,npjComputationalMaterials,4(2018)30.[9]A.Maksov,O.Dyck,K.Wang,K.Xiao,D.B.Geohegan,B.G.Sumpter,R.K.Vasudevan,S.Jesse,S.V.Kalinin,M.Ziatdinov,npjComputationalMaterials,5(2019)12.[10]Y.Zhang,C.Ling,NpjComputationalMaterials,4(2018)25.[11]H.Trivedi,V.V.Shvartsman,M.S.Medeiros,R.C.Pullar,D.C.Lupascu,npjComputationalMaterials,4(2018)28.往期回顾：牌成认识这些带你轻松上王者——电催化产氧（OER）测试手段解析新能源材料领域常见的碳包覆法——应用及特点单晶培养秘诀——知己知彼，牌成对症下方，方能功成。图2-1 机器学习的学习过程流程图为了通俗的理解机器学习这一概念，绿氢立举个简单的例子：绿氢立当我们是小朋友的时候，对性别的概念并不是很清楚，这就属于步骤1：问题定义的过程。