Redian新闻
>
Npj Comput. Mater.: 表面合金化学吸附—d带中心模型能否适用?

Npj Comput. Mater.: 表面合金化学吸附—d带中心模型能否适用?

公众号新闻

海归学者发起的公益学术平台

分享信息,整合资源

交流学术,偶尔风月

分子和原子在固态材料表面的化学吸附是化学、物理和材料科学中的一个中心概念。识别表面和吸附物的性质,从而能控制化学吸附的强度,对于理解表面科学中的化学过程至关重要。过渡金属元素、过渡金属合金和金属间化合物是催化领域中重要的一类材料。研究人员对这些系统已经进行了大量的研究,并提出了一些简单的模型来描述这些表面上的相互作用。最常见的是由Hammer & Nørskov 提出的d带中心模型,它有效地将在衬底和吸附物相互作用之前的电子结构特征与化学吸附强度关联起来。d带中心模型利用d带相对于费米能级的位置,解释了纯过渡金属和某些合金的吸附趋势。然而,对很多合金和金属间化合物,d带中心模型不能描述由合金引起的电子结构不对称性和变形。此外,目前预测准确化学吸附能量一般是基于数据驱动的方法,这表明一旦将材料空间扩展到简单的单金属或双金属系统外,就会遇到与组合复杂性相关的巨大的挑战。


来自美国SLAC国家国家加速器实验室SUNCAT界面科学与催化中心的Frank Abild-Pedersen教授等人,提出了一种化学吸附模型,考虑了吸附物引起的表面位点扰动。该模型成功地解释了调控活性位点(活性位点周围化学环境发生变化)时所观察到的化学吸附强度的变化。此外,该模型准确地描述了O、N、CH和Li等吸附物,在由Au、Ag、Cu和Pt与3d、 4d和5d金属组成的双金属/三金属合金表面的吸附能,平均绝对误差达到0.13 eV。对于给定的吸附衬底,作者仅用了四个参数对模型进行了参数化,即d带的一阶和二阶矩以及相邻原子的d带填充。作者根据表面特征有效地预测化学吸附能,并可以利用少量的DFT训练数据就能优化特定吸附物和吸附位点的模型参数。该方法已推广到了整个过渡金属系列和多组分体系,可用于指导具有理想催化性能的复杂合金的工程化研究。

该文近期发表于npj Computational Materials 8:163(2022)英文标题与摘要如下,点击左下角“阅读原文”可以自由获取论文PDF。



Electronic structure factors and the importance of adsorbate effects in chemisorption on surface alloys 


Shikha Saini, Joakim Halldin Stenlid & Frank Abild-Pedersen 


The chemisorption energy is an integral aspect of surface chemistry, central to numerous fields such as catalysis, corrosion, and nanotechnology. Electronic-structure-based methods such as the Newns-Anderson model are therefore of great importance in guiding the engineering of material surfaces with optimal properties. However, existing methods are inadequate for interpreting complex, multi-metallic systems. Herein, we introduce a physics-based chemisorption model for alloyed transition metal surfaces employing primarily metal d-band properties that accounts for perturbations in both the substrate and adsorbate electronic states upon interaction. Importantly, we show that adsorbate-induced changes in the adsorption site interact with its chemical environment leading to a second-order response in chemisorption energy with the d-filling of the neighboring atoms. We demonstrate the robustness of the model on a wide range of transition metal alloys with O, N, CH, and Li adsorbates yielding a mean absolute error of 0.13 eV versus density functional theory reference chemisorption energies.


扩展阅读

 
Npj Comput. Mater.: 搭乘“特快列车”的异相催化原子模拟
Npj Comput. Mater.: 让马儿跑得又快又准—晶格热导率预测
Npj Comput. Mater.: 氧化物中的拓扑态—如何不再众里寻她千百度?
Npj Comput. Mater.: 材料生长缺失数据—如何科学找补?
本文系网易新闻·网易号“各有态度”特色内容
媒体转载联系授权请看下方

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
Npj Comput. Mater.: 原子尺度成像—机器学习的亚像素处理Npj Comput. Mater.: 稳定半导体材料的发现—深度学习-DFTNpj Comput. Mater.: 玻璃结构预测—懂物理的机器学习Npj Comput. Mater.: 未知磁结构材料的拓扑性表征—不准,但有点意义Npj Comput. Mater.: 自旋极化—非易失电调控耶稣受难记Npj Comput. Mater.: 反铁磁遇到铁电—也有心灵感应一文详解Prompt学习和微调(Prompt Learning & Prompt Tuning)Npj Comput. Mater.: 轨道耦合—调控谷能带和激子劈裂Npj Comput. Mater.: 氧化物中的拓扑态—如何不再众里寻她千百度?Npj Comput. Mater.: 原子间势—准确性和可迁移性美国哥伦比亚学院计算机科学副学士专业(Computer Science AAS)简介Npj Comput. Mater.: “工艺-结构-性能”—谁知其中不确定性?黄仁勋在COMPUTEX大会上说了什么?这里是最全的亮点Npj Comput. Mater.: 让马儿跑得又快又准—晶格热导率预测Npj Comput. Mater.: 搭乘“特快列车”的异相催化原子模拟Npj Comput. Mater.: 一叶知秋—材料科学中的小数据机器学习Npj Comput. Mater.: 优质金属零件的打印—人类智能增强的机器学习Npj Comput. Mater.: 高兴发团队很不高兴—与电子推推拉拉,成何体统?Npj Comput. Mater.: “鱼与熊掌”可以兼得—兼具高精度、高速度的分子动力学!Npj Comput. Mater.: 聚簇描述—机器学习法实现外推第三届 冇(Mǎo)国际青年影像周 开始征片啦!Npj Comput. Mater.: 单原子催化剂动态电荷转移—找CeO2试一下Npj Comput. Mater.: 带电膜的力学和电化学—新理论、新诠释Npj Comput. Mater.: 自由电子金属—原来可以这样做电子关联!素食好主意【素食/白水果羅惹】Npj Comput. Mater.: 金属3D打印质量参差不齐?为你揭开这些关键之谜!中国生意, 非得拼成这样?Npj Comput. Mater.: 中大、清华、加大尔湾分校合作发现新型二维磁性材料乘一条大船,去一趟中国?Npj Comput. Mater.: DFT中的电子密度—等变图神经网络Npj Comput. Mater.: 二维过渡金属单卤化物—超导和拓扑态maxsun GeForce GTX 1660 Super Terminator Computer Video Graphics李克强的教头厉以宁是个大右派Npj Comput. Mater.: 拌水泥的高科技—机器学习为混凝土配方而设计
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。