英文原題:Modeling Equilibration Dynamics of Hyperthermal Products of Surface Reactions Using Scalable Neural Network Potential with First-Principles Accuracy
通訊作者:蔣彬,中國科學技術大學化學物理系,精準智能化學重點實驗室
作者:林啟東
背景介紹
氣體分子與表面自由度之間的能量交換對氣-固界面的物理化學現(xiàn)象起到?jīng)Q定性影響。強放熱化學反應的新生產(chǎn)物獲得大量動能而成為熱前驅(qū)體,在動能耗盡之前發(fā)生熱原子擴散并影響隨后的化學反應速率和反應性,從而吸引了廣泛的實驗和理論研究。
熱原子擴散涉及廣闊的表面化學空間,其理論模擬比局域的表面基元反應例如分子散射等過程更具挑戰(zhàn)性。先前的理論模擬大多基于有限的超胞尺寸,其周期性邊界處的非物理的能量反射會對動力學結果產(chǎn)生很大的影響。而基于從頭算分子動力學的QM/Me(量子力學與經(jīng)驗勢結合)理論模型盡管可進行大超胞的模擬,但由于昂貴的計算代價難以獲得統(tǒng)計結果,并且該方法需要對底物進行區(qū)域劃分,其可靠性可能與劃分方式和體系本身性質(zhì)相關。發(fā)展適用且高效的理論模擬方法對于探究熱原子擴散的機理至關重要。
快訊亮點
近日,中國科學技術大學蔣彬教授在JPC Letters上發(fā)表了利用可擴展神經(jīng)網(wǎng)絡勢模型以第一性原理精度模擬表面反應超熱產(chǎn)物平衡動力學的研究工作。該工作利用團隊前期發(fā)展的嵌入原子神經(jīng)網(wǎng)絡方法(JPC Letters,2019, 10, 4962)和不確定度驅(qū)動的主動學習策略,高效地構造了包含O2在Pd(100)和Pd(111)表面解離和后續(xù)熱氧原子產(chǎn)物擴散通道的全局勢能面。該勢能面充分學習了原子化學環(huán)境,能夠準確預測不同超胞尺寸下體系的勢能?;谠搫菽苊妫媒?jīng)典軌線方法研究了O2在不同超胞尺寸的Pd(100)表面解離新生產(chǎn)物的熱原子擴散行為以及該過程的能量耗散,表明8×8的超胞足以有效避免周期性邊界的影響。該體系的能量耗散主要由絕熱的聲子激發(fā)所主導。通過統(tǒng)計數(shù)百條軌線獲得的O2在Pd(111)表面解離的新生氧原子對距離分布與實驗結果非常吻合。模擬結果表明了之前理論工作中(Phys. Rev. Lett. 2016, 117, 146101)新生氧原子在Pd(100)表面的彈道型擴散是理想初始條件和表面結構時的特殊情況。而在真實模擬實驗條件Pd(100)表面與Pd(111)表面會呈現(xiàn)類似的氧原子對距離的寬分布,表現(xiàn)為類似的隨機行走擴散機理。
圖1. 可擴展的神經(jīng)網(wǎng)絡勢模型和熱原子擴散示意圖。
圖2. O2在不同超胞尺寸的Pd(100)表面解離代表性軌線的(a)動能(Ek-O,eV)和(b)氧原子對距離(dO-O, SLC)隨時間的變化。(c)O2在10×10,10層的Pd(100)表面解離代表性軌線的動能(紅色實線:吸附的氧原子。黑色實線:所有Pd原子。藍色虛線:超胞中心處3×8,4層區(qū)域內(nèi)的Pd原子)隨時間的變化?;疑珔^(qū)域表示傳出超胞中心區(qū)域的能量。插圖表示氧原子的擴散路徑以及最終位置。
圖3. O2在(a)Pd(111)和(b)Pd(100)表面解離后新生氧原子對的理論和實驗(如果有的話)距離分布的比較。TD和TID分別代表熱解離和尖端誘導解離。插圖表示吸附在亞穩(wěn)定hcp位點上的氧原子在宏觀時間尺度下以相等的概率遷移到鄰近fcc位點后的距離分布。
總結/展望
首先,本工作揭示了大尺寸超胞對于準確模擬熱原子擴散動力學的必要性,指出了準確模擬該動力學過程所需超胞尺寸的臨界值。第二,O2在Pd(111)表面解離后的新生氧原子對距離分布的經(jīng)典軌線統(tǒng)計結果很好地重現(xiàn)了實驗數(shù)據(jù),驗證了模型的適用性。第三,O2在Pd(100)表面解離后的新生氧原子對表現(xiàn)為較寬的距離分布并同Pd(111)表面一樣表現(xiàn)為隨機行走的擴散機理,表明真實模擬實驗條件對于準確描述和理解熱原子擴散的重要性。可擴展的原子神經(jīng)網(wǎng)絡方法為類似基元反應的研究提供了有力的研究工具。
相關論文發(fā)表在JPC Letters上,中國科學技術大學博士研究生林啟東為文章的第一作者, 蔣彬教授為通訊作者。
通訊作者信息
蔣彬 中國科學技術大學教授
蔣彬,中國科學技術大學教授,主要從事化學反應動力學的理論研究,致力于開發(fā)機器學習方法擬合反應體系勢能面和發(fā)展量子/經(jīng)典動力學方法。近五年發(fā)表通訊作者文章 60 余篇,包括 Nat. Commun., JACS, PRL, ACIE, Chem. Sci., JPCL 等,引用 6000 余次,H-index 45。2017 年獲基金委優(yōu)秀青年基金支持,2023年獲基金委杰出青年基金支持。2021 年度獲中國化學會唐敖慶理論化學青年獎,2023年度獲中國化學會張存浩化學動力學青年科學家獎。
課題組主頁:
http://staff.ustc.edu.cn/~bjiangch/
掃描二維碼閱讀英文原文
J. Phys. Chem. Lett. 2023, 14, 7513?7518
Publication Date: August 15, 2023
https://doi.org/10.1021/acs.jpclett.3c01708
? 2023 American Chemical Society
原創(chuàng)文章,作者:計算搬磚工程師,如若轉(zhuǎn)載,請注明來源華算科技,注明出處:http://m.xiubac.cn/index.php/2024/01/09/883f72f4aa/