牛津大学Richard G. Compton：人工智能在电极反应机理研究中的应用：预测伏安图、分析解离CE反应

通讯作者：Richard G. Compton

通讯单位：牛津大学

使用伏安法研究电极反应机制通常需要分析仅在扩散条件下测量的伏安图，作为大电极情况下的电压扫描速率或微电极稳态测量情况下的电极尺寸的函数。

最近，牛津大学Richard G. Compton教授团队通过使用定制代码的多次模拟训练，探索了人工智能(AI)在从准确模拟中学习预期的可观察量（电流、峰值电位等）以及同时预测伏安法如何依赖于各种控制参数。使用AI学习解离CE机制的关键伏安特性。研究人员主要利用适用于酸溶液中肼的氧化和乙酸还原的解离CE机制。

研究人员考虑到相关实验参数（速率和平衡常数、电极几何形状和扩散系数）的知识，首先允许在不需要进一步模拟的情况下预测伏安图。其次，它用于分析嘈杂的实验伏安法以表征机械类型并成功提取关键的动力学和热力学参数。

工作流程

参考文献：

Haotian Chen, Enno Kätelhön, Haonan Le, Richard G. Compton, Use of Artificial Intelligence in Electrode Reaction Mechanism Studies: Predicting Voltammograms and Analyzing the Dissociative CE Reaction at aHemispherical Electrode, Anal. Chem. 2021,  https://doi.org/10.1021/acs.analchem.1c03154