揭示了AgPd纳米合金在化下的重建机制,基于多尺度深度学习潜力
Longfei Guo1,2, Shuang Shan1,2, Xiaoqing Liu2
1State Key Laboratory of Solidification Processing, Northwestern Polytechnical University, Xi'an 710072, China.
The Journal of chemical physics
|May 15, 2024
概括
一个新的深度学习潜力准确地预测了纳米合金结构及其催化性能. 这一进步揭示了吸附如何在反应过程中推动银纳米合金的结构变化.
科学领域:
- 材料科学 材料科学 材料科学
- 催化剂是一种催化剂.
- 计算化学计算化学
背景情况:
- 不同质的催化剂设计依赖于理解吸附能量,这与表面活性部位结构有关.
- 在反应过程中准确识别纳米合金表面结构是具有挑战性的,因为它们的动态性质和模拟局限性.
研究的目的:
- 为Ag-Pd-F系统开发一个可通用的深度学习潜力.
- 在化过程中研究AgPd纳米合金的结构演变.
- 为了确定纳米合金表面重建背后的驱动力.
主要方法:
- 开发了使用Ag-Pd-F配置 (批量,表面,纳米集群,无形,点缺陷) 的多样化数据集的深度学习潜力.
- 利用潜力预测吸附能量,表面能量,形成能量和扩散能量障碍.
- 在化过程中模拟和分析了AgPd纳米合金的结构变化.
主要成果:
- 深度学习潜力准确地描述了Ag-Pd-F系统中的原子间相互作用.
- 观察到的结构演变包括F向内扩散,Ag向外扩散,AgFx物种形成和形状变形.
- 突出了原子扩散,脱位动力学和压力放松在纳米合金重建中的作用.
结论:
- 在吸附后的应力放松是AgPd纳米合金表面重建的主要驱动因素.
- 开发的潜力使得纳米合金属性和结构动态的准确预测成为可能.
- 这项工作为设计用于催化应用的强大的纳米合金提供了洞察力.
