相关实验视频
Updated: May 7, 2026

Fabrication of Spatially Confined Complex Oxides
Published on: July 1, 2013
走出晶体舒适区:采样最初的氧化物形成在Cu(111) 时
Felix Riccius1, Nicolas Bergmann1, Hendrik H Heenen1
1Fritz-Haber-Institut der Max-Planck-Gesellschaft, Faradayweg 4-6, D-14195, Berlin, Germany.
机器学习潜力使得无序的金属氧化物表面的详细模拟成为可能. 这揭示了复杂的氧吸附结构和更准确的铜氧化表面相图.
科学领域:
- 表面科学是一门学科.
- 计算材料科学科学 计算材料科学
- 氧化动力学 氧化动力学
背景情况:
- 氧化过渡金属表面呈现出越来越多的异质性和减少的晶体秩序.
- 目前的第一原理方法很难模拟这种复杂性,限制了预测性表面相位图.
- 现有的模型往往依赖于简化的有序结构,忽视了混乱和多样性.
研究的目的:
- 为了利用机器学习的原子间潜力,对表面氧化进行先进的模拟.
- 系统地探索氧化金属表面的配置相位空间.
- 为了生成一个更准确的,包括混乱的表面相位图.
主要方法:
- 采用机器学习的原子间潜力进行加速的计算模拟.
- 利用复制品交换分子动力学,用于系统的配置相位空间采样.
- 应用了热力学平均值来计算表面可观测物的大法典期望值.
主要成果:
- 在初始氧化阶段发现稀有氧吸附物的热稳定.
- 在较高的氧气负载下识别了许多能量相似的聚合物环和链网络.
- 观察到以前在实验研究中讨论过的少数种类.
- 生成了一个in silico表面相位图,与基于有序重建的相位图有显著差异.
结论:
- 机器学习潜力与分子动力学相结合,有效地捕捉了表面的混乱和异质性.
- 该研究提供了对金属表面初始氧化过程的更现实的表现.
- 这种方法为复杂系统提供了更准确的预测表面相位图的途径.
更多相关视频
08:14Improved Heterojunction Quality in Cu2O-based Solar Cells Through the Optimization of Atmospheric Pressure Spatial Atomic Layer Deposited Zn1-xMgxO
Published on: July 31, 2016
08:31Probing Surface Electrochemical Activity of Nanomaterials using a Hybrid Atomic Force Microscope-Scanning Electrochemical Microscope AFM-SECM
Published on: February 10, 2021
相关概念视频
Metallic Solids
All metallic solids exhibit high thermal and electrical conductivity, metallic luster, and malleability. Many...
Imperfections in Crystal Structure: Stoichiometric Point Defects
Imperfections in Crystal Structure: Non-Stoichiometric Defects