机器学习驱动的全球优化揭示了烯在Ag100上的纳米级混合相
Yunlei Wang1, Haifeng Lv1, Xiaojun Wu1
1State Key Laboratory of Precision and Intelligent Chemistry, School of Chemistry and Materials Sciences, Key Laboratory of Materials Sciences for Energy Conversion, Collaborative Innovation Center of Chemistry for Energy Materials (iChEM), CAS Center for Excellence in Nanoscience, University of Science and Technology of China Hefei Anhui 230026 China hflv@ustc.edu.cn xjwu@ustc.edu.cn.
Chemical science
|March 27, 2025
概括
探索金属支的烯.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 表面科学是一门学科.
背景情况:
- 烯是的二维异形,具有显著的结构多态性.
- 了解烯在金属基板上的结构多样性对于其应用至关重要.
- 烯的复杂的潜在能量表面 (PES) 阻碍了对其稳定配置的探索.
研究的目的:
- 在Ag100) 基板上全面绘制大尺寸烯的潜在能量表面 (PES).
- 为了确定低能量的烯结构及其稳定性.
- 提供对金属支玻罗的形成和电子性质的见解.
主要方法:
- 集成神经网络驱动的机器学习潜力与随机地表行走的全球优化.
- 积极学习框架的应用,以有效地探索 PES.
- 识别局部最小值和独特的超级细胞用于结构分析.
主要成果:
- 在556个超级细胞中发现了59857个局部最小值,揭示了一个细分的PES,具有多个能量盆地和道.
- 识别了1391个低能量的纳米尺度结构,包括各种混合相单层带 (β12, χ3) 和双层碎片 (BL-α5,BL-α7,BL-α1,BL-α6,BL-α1α6).
- 全球最小结构的确定,包括交替的 χ3 和 β12 单层带和特定的双层碎片;所有已识别的混合相玻罗都是金属的.
结论:
- 金属支的烯在延伸的金属表面上表现出非凡的结构复杂性和丰富的多态性.
- 这项研究提供了有关各种烯架构的形成,稳定性和可调节电子特性的宝贵见解.
- 模拟扫描道显微镜 (STM) 图像用于预测结构的实验验证.
