【纳米】机器学习力场捕捉银纳米团簇在电化学中的动态演化过程

主要观点总结

本文报道了重庆大学化学化工学院唐青研究员与重庆师范大学化学学院孙芳博士，利用多尺度恒电位模拟与深度势能分子动力学方法，成功揭示了银纳米团簇在电化学还原条件下的结构动态演化机制。他们构建了高精度机器学习力场，对炔保护的Ag 15纳米团簇及其掺杂体系的动态演化进行了长时间模拟，发现了金属内核无序化与配体解吸的普适过程，以及原子掺杂对动力学路径的调控作用。

关键观点总结

关键观点1: 研究背景

银纳米团簇在二氧化碳还原等反应中表现出优异的催化活性和选择性，但其长期稳定性面临挑战。如何揭示其动态演化机制是实现高效稳定催化剂理性设计的核心挑战。

关键观点2: 研究方法

唐青研究员与孙芳博士通过结合多尺度恒电位模拟与深度势能分子动力学方法，构建了高精度机器学习力场，用于揭示银纳米团簇在电化学还原条件下的结构动态演化机制。

关键观点3: 研究成果

成功揭示了炔保护的Ag 15纳米团簇及其掺杂体系的结构动态演化机制。通过长时间的DPMD模拟，发现金属内核无序化与配体解吸为普适过程，动力学路径受原子掺杂调控。不同团簇的配体最大解吸量及饱和时间有所不同。

关键观点4: 研究意义

该研究成果对于理解银纳米团簇在电化学条件下的催化活性、选择性和稳定性具有重要意义，为理性设计高效稳定的催化剂提供了新的思路和方法。