一种预测FeCoMn三元金属氧化物催化剂过电位的方法

本发明一种预测FeCoMn三元金属氧化物催化剂过电位的方法，属于基于机器学习纳米催化技术领域。本发明通过考虑价电子、相对原子质量、原子序数等物理特征，成功地将各种物理特征与过电位关联起来。根据均方误差和平均绝对误差的最优值，选择随机森林（RF）算法作为最佳模型。该模型被用于高效筛选FeCoMn三元催化剂体系并确定最佳组成比例。本发明方法克服传统实验的不足，避免不断试错，通过理论与计算来预测FeCoMn氧化物催化剂的组分和过电位，成本低，本发明方法简单，易于实现，适合推广应用；本发明方法在整个过程中不涉及实验、不使用化学药品，对环境没有污染，符合绿色环保理念。