Nature Commun：Bayesian数据分析方法研究CO2电催化动力学

纳米技术

2021-01-31

Tafel斜率是表征电催化剂效率的关键指标和参数，有鉴于此，麻省理工学院Karthish Manthiram、剑桥大学Adam P. Willard等报道了发展了一种Bayesian数据分析方法用于分析实验中获得的电流-电压数据中进行评价Tafel斜率。该方法实现了避免获得Tafel斜率过程中的人为干扰，提供了一种有效的鲁棒性、不确定性分布过程中的评价。通过使用模拟数据，作者展示了当数据不足的条件中如何不知不觉的当前的影响拟合方法，阐释了本文方法消除此类问题。

本文要点：

（1）

通过复杂系统性的分析，对目前CO₂还原反应的相关文献中的数据进行重新分析，通过分析发现，Tafel斜率主要分布在一些特定数值附近（比如60或120 mV/dec），作者为这些现象提出了可能的机理和原因，讨论了这些结果表示电化学动力学相关机理的影响。

参考文献

Limaye, A.M., Zeng, J.S., Willard, A.P. et al. Bayesian data analysis reveals no preference for cardinal Tafel slopes in CO₂ reduction electrocatalysis. Nat Commun 12, 703 (2021).

DOI: 10.1038/s41467-021-20924-y

https://www.nature.com/articles/s41467-021-20924-y