-氧化机制揭晓:一个机器学习加速的第一原则和现场TEM研究
Pandu Wisesa1, Meng Li2,3, Matthew T Curnan2,4
1Department of Mechanical Engineering & Materials Science, University of Pittsburgh, Pittsburgh, Pennsylvania 15261, United States.
Nano letters
|January 14, 2025
概括
这项研究揭示了铜合金表面在氧化过程中如何重组. 机器学习和先进显微镜显示,分离促进了特定的表面变化,指导了未来用于腐蚀性环境的合金设计.
科学领域:
- 材料科学 材料科学 材料科学
- 表面科学是一门学科.
- 计算材料科学科学 计算材料科学
背景情况:
- 在反应性条件下理解合金表面重组是一个重大挑战.
- 在腐蚀性环境中的合金行为对于材料性能和寿命至关重要.
- 预测表面变化需要复杂的建模和实验验证.
研究的目的:
- 为了研究氧化过程中CuNi(100) 合金中表面重建和分离之间的相互作用.
- 开发和验证在反应条件下合金表面行为的预测模型.
- 为了阐明CuNi合金的氧化机制.
主要方法:
- 利用机器学习加速密度函数理论 (DFT) 和罕见事件方法进行建模.
- 使用环境传输电子显微镜 (ETEM) 进行实验观测.
- 结合计算预测与实验验证的 *in situ* 验证.
主要成果:
- 计算机建模预测,氧气诱导的分离有利于Cu{100}-O{c}2×2的重建.
- 该模型还预测了Cu(100) -O (2√2 × √2) R45°缺失行重建 (MRR) 的不稳定.
- 在现场,ETEM证实了Ni分离,NiO核化和Cu2O增长,验证了模型的预测.
结论:
- 综合计算和实验方法提供了CuNi氧化过程的整体描述.
- 这些发现强调了考虑对表面重建的隔离效应的重要性.
- 这种方法适用于理解其他合金系统中的氧化机制.
更多相关视频
14:21Performing In Situ Closed-Cell Gas Reactions in the Transmission Electron Microscope
Published on: July 24, 2021
3.9K
08:31Probing Surface Electrochemical Activity of Nanomaterials using a Hybrid Atomic Force Microscope-Scanning Electrochemical Microscope AFM-SECM
Published on: February 10, 2021
6.8K
