热带石封闭黄金纳米集群的稳定性和动力学
Siddharth Sonti1, Chenghan Sun1, Zekun Chen2
1Department of Chemical Engineering, University of California, Davis, Davis, California 95616, United States.
Journal of chemical theory and computation
|September 12, 2024
概括
我们开发了一种机器学习潜力 (MLP),用于化物中的金纳米集群. 这种工具准确地预测了催化剂的稳定性和动态,有助于设计先进的金属@地质石催化剂.
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.
- 计算化学的计算化学
背景情况:
- 纳米工程金属@泽奥利特材料是有希望的催化剂,因为其增强的稳定性和耐烧结性.
- 了解热带石框架对封闭金属纳米集群的影响至关重要,但具有挑战性.
研究的目的:
- 开发一种基于机器学习的潜力 (MLP) 用于化石封闭的金纳米集群.
- 准确描述这些催化系统的结构,稳定性和动态.
主要方法:
- 开发一个强大的和可转移的机器学习潜力 (MLP).
- 在不同温度 (300-1000 K) 上对初始计算进行MLP准确性的验证.
主要成果:
- 该MLP准确地预测了在热带石框架内黄金纳米集群的特性.
- 该MLP可进行规模 (时间和长度) 的模拟,以及传统DFT方法无法实现的现象.
- 模拟显示了纳米集群的整体平均稳定性和扩散性.
结论:
- 开发的MLP是研究金属 @ zeolite催化剂的强大工具.
- 这项工作促进了新型和高效的纳米工程催化剂的理性,理论引导的设计.


