网络催化：具有强金属-载体相互作用的钌催化剂上的 N$_2$ 解离
材料科学
2022-08-30 v1
摘要
催化信息学不断发展，在数据挖掘、分子模拟以及用于计算设计与高通量实验的自动化方面已取得显著进展。然而，迄今为止在赛博空间揭示复杂负载型纳米颗粒催化剂机理的尝试均告失败。本研究以负载型 Ru 纳米颗粒上的 N 解离为例，利用通用神经网络势填补了这一空白。我们考量载体还原与强金属-载体相互作用（SMSI），计算了 200 种催化剂构型，最终针对多种 N 吸附态执行了 15,600 次计算。在利用实验红外光谱数据成功验证结果后，我们阐明了 SMSI 表面高活性背后的关键 N 解离路径，并揭示了在 650 {\deg}C 还原的催化剂具有最大活性。我们的方法可良好地适用于其他复杂体系，并相信其代表了非均相催化研究数字化转型的关键第一步。
引用
@article{arxiv.2208.13385,
title = {Cyber Catalysis: N$_2$ Dissociation over Ruthenium Catalyst with Strong Metal-Support Interaction},
author = {Gerardo Valadez Huerta and Kaoru Hisama and Katsutoshi Sato and Katsutoshi Nagaoka and Michihisa Koyama},
journal= {arXiv preprint arXiv:2208.13385},
year = {2022}
}