社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
中科院/西交通/鹏程实验室/武汉 AI 研究院联手基于深度学习的单目车道检测研究 !
2024必看AI干货!《大模型/AIGC/GPT-4/Transformer/DL/KG/NLP/C...
Docker镜像瘦身:从1.43G到22.4MB
每周 GitHub 探索|9 款工具,打造极致开发体验!
Nat Cancer | 贝勒医学院章冰团队基于机器学习和泛癌蛋白基因组学构建人类癌症功能网络
2024必看AI干货!《大模型/AIGC/GPT-4/Transformer/DL/KG/NLP/C...
扬州大学BITE|机器学习探索全球污水处理厂污泥中抗菌素耐药性与微生物群落结构之间关系的可行性研究
机器学习树模型大比拼:GBDT、XGBoost、LightGBM
本周推荐的5个火火火的Github开源项目!
Carbon Research | 粗糙集机器学习在利用生物炭吸附四环素方面的预测能力
关注
Py学习
»
机器学习算法
【催化】Angew. Chem.:机器学习分子动力学模拟揭示表面预熔调控催化活性新机制
X-MOL资讯
• 8 月前 • 174 次点击
由于纳米催化剂优越的催化活性和对贵金属的高效利用,其在现代化学工业生产中受到了广泛的关注。这些催化剂的表面结构会受到反应条件的显著影响,在真实实验条件下表现出动态行为。这种表面结构的动态特性对传统的催化剂构效关系研究带来了新挑战。本工作
结合增强采样算法与主动学习策略构造机器学习势函数训练与自由能计算自动化工作流,以高度对称的
Cu
55
纳米团簇催化C
O
2
解离过程作为模型反应,研究催化剂表面结构的动态变化与催化反应之间的耦合关系,揭示了催化剂表面预熔调控催化活性的新机制。
并进一步研究了具有表面点缺陷的纳米催化剂,即空位(vacancy)和吸附原子(adatom),观察到纳米团簇表面熔化温度的显著降低,使反应在更温和的条件下更有利。
图1. 纳米催化剂表面预熔调控催化活性示意图。图片来源:
Angew. Chem. Int. Ed.
通过严格计算反应自由能与反应熵的温度依赖性,观察到催化剂的活性在低温(650 K)与高温区(850 K)出现两次突变,如图2b所示。通过分别分析催化剂的表面与核区域原子动态性,观察到两次突变温度分别对应纳米团簇的表面预熔和核区域原子熔化温度。通过比对分析反应始态、过渡态与终态的结构动态性,如图2c所示,揭示了由于纳米催化剂的表面原子在反应坐标上不同状态相变温度不一致,在相变温度区间对反应引入异常熵贡献,使得催化剂在低温区出现了显著的活性改变,而高温区的突变则对应核区域原子在反应坐标上不同状态的动态性差异。
图2. 不同温度条件下
Cu
55
催化C
O
2
自由能与结构分析。图片来源:
Angew. Chem. Int. Ed.
进一步,通过研究表面点缺陷对催化活性的影响,如表面空位与吸附金属原子,发现了表面点缺陷会显著降低纳米催化剂的表面预熔温度,如图3b所示。对催化剂动态结构的分析揭示了由于表面空位会为周围的金属原子提供额外的运动自由度来降低预熔温度,如图3c所示。而吸附金属原子在较低温度就可以通过嵌入催化剂表面扰动表面结构,触发表面预熔,如图3d所示,从而使催化剂在更低温度就可以通过表面预熔机制调控催化活性。
图3. 点缺陷对纳米团簇催化活性的影响与结构分析。图片来源:
Angew. Chem. Int. Ed.
本工作揭示了纳米团簇表面预熔调控催化活性这一新的催化机制,并从全新的角度重新审视了缺陷位在反应过程中扮演的角色,即通过改变催化剂表面原子动态性和预熔温度来改变其催化活性。
该工作在厦门大学
程俊
教授指导下完成,博士生
龚富强
为第一作者,博士生
刘云霈
参与这项工作并提供重要技术支持。该工作也受到厦门大学
田中群
院士、北京大学/北京科学智能研究院
鄂维南
院士,以及厦门大学
王野
教授的指导支持。
本工作使用AI4EC Lab开发的机器学习势函数训练和自由能计算自动化工作流软件ai2-kit(https://github.com/ai4ec/ai2-kit),可进行高效动态催化模拟与全流程数据自动化处理,相关数据可在动态催化计算数据库 DynaCat(https://ai2db.ikkem.com/)中获取。
原文(扫描或长按二维码,识别后直达原文页面):
Machine Learning
Molecular Dynamics Shows Anomalous Entropic Effect on Catalysis via Surface Pre-melting of Nanoclusters
Fu-Qiang Gong, Yun-Pei Liu, Ye Wang, Weinan E, Zhong-Qun Tian & Jun Cheng
Angew. Chem. Int. Ed
.,
2024
, DOI: 10.1002/anie.202405379
点击“
阅读原文
”,查看
化学 • 材料
领域
所有收录期刊
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/169704
174 次点击
登录后回复