双缺陷修改的石墨碳化物的光催化活性是强大的陶托马化:机器学习辅助ab initio量子动力学

科学领域:

• 材料科学 材料科学 材料科学
• 光催化作用的光催化
• 计算化学计算化学

背景情况:

• 二维石墨碳化物 (GCN) 是一种无金属聚合物,具有可持续能源的潜力.
• 补充剂和缺陷对于调整GCN的特性至关重要,双缺陷修改显示出卓越的性能.
• 了解光催化电荷载体的动态是优化光催化效率的关键.

研究的目的:

• 为了研究双缺陷修饰GCN的合结构和电子动态.
• 探讨对电荷载体分离和重组的陶托马力学影响.
• 扩展非adiabatic分子动力学 (NAMD) 模拟到纳秒时间尺度用于光催化事件分析.

主要方法:

• 采用了多步骤方法,结合了时间依赖密度函数理论和非adiabatic分子动力学 (NAMD).
• 集成机器学习 (ML) 来分析纳米秒时间尺度上的合结构和电子动态.
• 进行了ab initio量子动力学模拟,以阐明原子化机制.

主要成果:

• 观察到 tautomeric 结构之间的频繁的 hopping 过渡,但对电子孔分离和重组的影响很弱.
• 发现GCN中的电荷分离状态存活了大约10皮秒,足以进行光催化.
• 该ML-NAMD方法成功地将模拟扩展到纳秒时间尺度,捕获罕见事件.

结论:

• 由于充电载体动态的优化,双缺陷修改的GCN表现出增强的光催化效率.
• 由于电荷分离状态的稳定性,尽管GCN具有多种异构和复构形式,但它仍然具有光催化活性.
• 先进的ML-NAMD计算方法为纳米级材料的兴奋状态动态提供了关键的见解.