通过机器学习的Pt纳米颗粒的原子化景观:尺寸效应和吸附如何控制结构组合和催化活动
Dongxiao Chen1, Philippe Sautet1,2,3
1Department of Chemical and Biomolecular Engineering, University of California, Los Angeles, California, 90095, USA.
Angewandte Chemie (International ed. in English)
|November 5, 2025
概括
纳米粒子的结构随着变化而变化. 这影响了它们的催化活性,揭示了罕见的,特定的位点,而不是常见的,是甲脱等反应的关键.
科学领域:
- 催化剂的研究研究.
- 材料科学 是一种材料科学.
- 纳米技术纳米技术
背景情况:
- 了解 (Pt) 纳米粒子在反应条件下的结构和动态对于设计高效的催化剂至关重要.
- 这些纳米结构的复杂性对原子性特征提出了重大挑战.
研究的目的:
- 在压下探索Pt纳米粒子的原子结构和流动性.
- 创建一个全面的- (Pt xH y) 纳米粒子结构图书馆.
主要方法:
- 利用大法典的全球优化方法与机器学习潜力相结合.
- 在压下为Pt纳米粒子 (1-2 nm) 生成超过100万个低能元稳定结构.
主要成果:
- 观察到在吸附时从无形结构转变为晶体结构的尺寸依赖转变.
- 在较小的纳米粒子中确定了急剧的相位过渡,在较大的纳米粒子中确定了平滑的转变.
- 发现稳定性取决于低覆盖面的表面图案和高覆盖面的晶核.
结论:
- 吸附诱导Pt纳米颗粒的显著结构变化,影响它们的催化性能.
- 反应活性建模显示,罕见的,结构上独特的基因,而不是丰富的地点,是甲脱和乙烯化等反应的真正活跃地点.
