Descriptor de dipolo eléctrico para el aprendizaje automático Predicción de las interacciones entre la superficie del...

Área de la Ciencia:

• Ciencias de los materiales
• Química computacional
• Ciencias de la superficie

Sus antecedentes:

• El diseño racional del catalizador requiere una evaluación precisa de las interacciones superficie-adsorbado molecular.
• Desarrollar un descriptor que sea a la vez medible experimentalmente y computable teóricamente es crucial.

Objetivo del estudio:

• Identificar y validar un descriptor para las interacciones superficie-adsorbato.
• Establecer las relaciones estructura-propiedad de los adsorbados moleculares en catalizadores metálicos.
• Desarrollar un modelo de aprendizaje automático para predecir la energía de adsorción y la transferencia de carga.

Principales métodos:

• Utilizó cálculos de primeros principios para generar un gran conjunto de datos.
• Entrenó una red neuronal de aprendizaje automático usando el momento dipolo eléctrico como descriptor.
• Se ha probado la transferibilidad del modelo a través de diferentes sustratos metálicos (Au{111}, Au{001}, Ag{111}) y adsorbados (NO, CO).

Principales resultados:

• El momento dipolo eléctrico predice con precisión la energía de adsorción molecular y la carga transferida.
• El modelo de aprendizaje automático logró predicciones rápidas y precisas.
• El modelo demostró una excelente transferibilidad a nuevos sustratos, validando la eficacia del descriptor.

Conclusiones:

• El momento dipolo eléctrico sirve como un descriptor conveniente y preciso para las interacciones superficie-adsorbato.
• Los modelos de aprendizaje automático entrenados con este descriptor ofrecen un enfoque eficiente para el diseño de catalizadores.
• Este trabajo proporciona una vía para acelerar el descubrimiento de nuevos catalizadores.