Developing catalysts is one of the important research topics in materials science. The various adsorption energies of catalyst materials are closely related with with the catalyst performance. In particular, adsorption energies of *O, *OH, and *OOH are closely related with the catalysts used in fuel cells. We propose an artificial neural networks model (ANN) to predict E(*O), E(*OH), the value of E(*OH) subtracted from E(*O), and E(*OOH) of materials for developing high-performance catalysts. The proposed ANN models show better performance than other machine learning models. Also, the ANN model is much faster than DFT calculation and hence is useful for screening massive materials and selecting candidates for catalysts.
재료 과학에서 촉매 개발은 중요한 연구 주제중 하나이다. 촉매의 다양한 흡착 에너지는 촉매의 성능에 직접적인 관련이 있다. 특히 수소 연료 전지에 쓰이는 촉매는 *O, *OH, *OOH 의 흡착에너지와 밀접한 연관성 있어 좋은 촉매 소재를 찾기위한 흡착에너지 측정은 중요한 요소이다. 우리는 좋은 촉매 소재를 찾기위해 소재의 E(*O), E(*OH), E(*O) 와 E(*OH) 의 차이 그리고 E(*OOH) 를 예측하는 인공 신경망 모델을 제안한다. 제안된 인공 신경망 모델은 기존의 다른 기계학습 모델보다 좋은 성능을 보인다. 또한 인공 신경망 모델은 기존 물리 시뮬레이션 방법인 DFT 계산 방법보다 매우 빠른 속도로 계산이 가능해 많은 양의 소재를 스크리닝 하여 후보물질을 선택는데 유용하다.