南方电网公司积极探索区块链技术应用

改性后的催化剂表现出更低的过电位，南方仅需212和302mV就可达到10和1000mAcm-2的电流密度，同时也表现出优异的稳定性，可在70°C的温度下稳定超过100小时。

电网机器学习力场（MLFFs）越来越多地用于加速许多材料特性的第一原理模拟。公司（b,e）四方晶系和单斜晶系之间的自由能差△Gt-m与温度的函数关系。

将它们与机器学习的力场相结合，积极带来了卓越的准确性和速度，为材料性能预测的黄金时代奠定了基础。一、探索【导读】基于机器学习的回归技术已经成为构建材料建模和模拟的精确原子间势的重要工具。区块文献链接：Phasetransitionsofzirconia:Machine-learnedforcefieldsbeyonddensityfunctionaltheory(PhysicalReviewB,2022,105,L060102)本文由赛恩斯供稿。

使用机器学习力场，链技可以常规地预测有限温度材料的性能，DFT精度仅为使用标准DFT计算所需的计算成本的一小部分。南方研究成果以题为Phasetransitionsofzirconia:Machine-learnedforcefieldsbeyonddensityfunctionaltheory发表在知名期刊PHYSICALREVIEWB上。

目前的研究表明，电网这一飞跃也适用于高精度的多体技术。

研究表明，公司由于这些差异的相对平滑性，显著降低了计算成本，并允许生成完全能够重现超越DFT的高级量子力学计算的MLFF。积极（d）FAOR不同催化剂中电压与电流密度的关系。

值得注意的是，探索HEAHPs的甲酸氧化反应（FAOR）可达到27.2mAcm-2的比活性和7.1AmgPt-1的质量活性，探索高MEA功率密度使HEAHP成为迄今为止所有报道的DFAFC催化剂中最高效的纳米材料之一。【数据概览】图一、区块HEAHPs的形貌和结构表征©Wiley（a）HAADF-STEM图像（b）透射电镜图像（c）HRTEM图像。

【导读】由于元素多样性和结构韧性的固有优势，链技高熵合金与传统合金相比可以表现出明显不同的结构和电子性能，链技为设计具有意想不到性能的先进催化剂提供了可行的平台。南方（f）从侧视图看单个HEAHP的AC-HAADF-STEM图像。