近日,西安交通大学苏亚琼团队和美国特拉华大学Dionisios G. Vlachos团队,依托合肥先进计算中心的强大算力,通过理论计算完成了CO气氛下二氧化铈负载Pd亚纳米团簇的实时结构动力学多尺度模拟等相关研究工作。这一研究成果在Nature系列期刊《Nature Communications》上发表,并对合肥先进计算中心致谢。
论文标题:Real-time Dynamics and Structures of Supported Subnanometer Catalysts via Multiscale Simulations
(负载亚纳米团簇的实时结构动力学多尺度模拟)
氧化物载体上的铂族金属纳米颗粒组成的催化剂是汽车催化转化器的重要组成部分。近年来,大量实验研证了单原子和亚纳米团簇(2-30个原子) 催化剂的活性与稳定性。由于有限的实验分辨率,工作条件下催化剂结构的演变仍然在很大程度上仍然未知。我们利用CeO2上的 Pd 簇作为案例研究,在计算机上构建了原子结构和动力学模型。密度泛函理论 (DFT) 和动力学蒙特卡罗 (KMC) 模拟等建模工具可以将时间和空间分辨率扩展到超出实验尺度和精度。
作者从较小团簇(原子数, 1-7)的电子结构计算开始。随着团簇大小的增长,可能的结构数量呈指数增长。手动枚举结构成为一项艰巨的任务。于是该工作求助于机器学习去训练结构-能量的代理模型。再尤优化算法选择许多相关(低能量、稳定)结构进行进一步训练。动力学蒙特卡罗(KMC)引入了微观动力学事件如团簇在载体上的迁移和时间的相关性。结果相当有启发性:催化剂形成了特定的团簇大小,并且可以在室温下处于亚稳态,CO 暴露下的团簇相较真空下的团簇呈更加扁平的形状。在高质量数据通常很有限的多相催化领域,该工作率先提出了用机器学习来辅助多维度模拟的计算框架。研究人员可以使用此计算框架来解释亚纳米范围内团簇结构特性的实验数据。
相关工作发表在Nature Communications, 2021, 12, 5430.
图1. 负载亚纳米团簇多尺度模拟框架。
图2. CO气氛下CeO2(111)表面负载Pd亚纳米团簇在时间尺度上的动态演化模拟。
图3. 300K和0.1barCO分压下负载Pd亚纳米团簇中Pd原子分布和CO吸附分布比例。
图4. 300K下Pd担载量和CO分压对负载Pd亚纳米团簇动态演化的影响。