Benutzer: Gast  Login
Originaltitel:
Iridium Oxide as Catalyst in Water Electrolysis: Identification of Novel Surface Structures via Machine Learning
Übersetzter Titel:
Iridiumoxid als Katalysator in der Wasserelektrolyse: Identifizierung neuartiger Oberflächenstrukturen durch maschinelles Lernen
Autor:
Timmermann, Jakob Christian
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Chemie
Betreuer:
Reuter, Karsten (Prof. Dr.)
Gutachter:
Reuter, Karsten (Prof. Dr.); Oberhofer, Harald (Prof. Dr.)
Sprache:
en
Fachgebiet:
CHE Chemie
Stichworte:
Water Electrolysis, Machine Learning, Iridium Oxide, Hydrogen
Übersetzte Stichworte:
Wasserelektrolyse, Maschinelles Lernen, Iridiumoxid, Wasserstoff
TU-Systematik:
CHE 150
Kurzfassung:
Hydrogen production via water electrolysis is key for a renewable energy landscape. For the most promising electrolyzer iridium oxide is the only anode catalyst balancing activity and stability. In this thesis a method combining Machine Learning and Density Functional Theory is developed and applied to identify the global minimum structure of various iridium oxide surfaces via an iterative simulated annealing protocol. In cooperation the most relevant structure was experimentally validated.
Übersetzte Kurzfassung:
Die Wasserstoffproduktion durch Elektrolyse ist entscheidend für die Energiewende. Für die Anode ist Iridiumoxid der einzige aktive und stabile Katalysator. In dieser Arbeit wird eine Methode, die Maschinelles Lernen und Dichtefunktionaltheorie kombiniert, vorgestellt und angewendet, um die energetisch niedrigste Struktur diverser Iridiumoxidoberflächen über ein iteratives simulated annealing Protokoll zu bestimmen. In Zusammenarbeit wurde die relevanteste Struktur experimentell validiert.
WWW:
https://mediatum.ub.tum.de/?id=1634081
Eingereicht am:
06.12.2021
Mündliche Prüfung:
06.05.2022
Dateigröße:
14871588 bytes
Seiten:
102
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220506-1634081-1-8
Letzte Änderung:
13.06.2022
 BibTeX