Nature Communications：用第一性原理計算和人工智能設計單原子合金催化劑

第一作者：Zhong-Kang Han

通訊作者：Aliaksei Mazheika，Yi Gao，Sergey V. Levchenko

通訊單位：德國：柏林理工大學，中國科學院，俄羅斯：斯科爾科沃創新中心

DOI：https://doi.org/10.1038/s41467-021-22048-9

背景

單原子合金催化劑(SAACs)是近年來催化研究的前沿之一。目前的趨勢是同時優化反應物的易解離和平衡的中間體結合強度，使其成為幾個重要工業反應的高效催化劑。然而，由于缺乏對大量候選催化劑的催化性能的快速而可靠的預測，因此阻礙了新的SAACs的發現。

研究的問題

本文通過應用壓縮傳感數據分析方法來解決這個問題，該方法以密集函數輸入為參數。除了不斷預測實驗研究的SAACs的效率外，本文還確定了200多個尚未報道的有前途的候選催化劑。其中一些候選催化劑比報道中的候選催化劑更穩定、效率更高。本文還介紹了一種基于數據挖掘方法子群發現的復雜符號回歸模型定性分析的新方法。本文的研究證明了數據分析在催化設計中避免偏差的重要性，并提供了為各種應用尋找最佳SAACs的配方。

圖1|簡單描述符和目標屬性之間的相關性。

要點：

• 為了更好地理解不同客體原子的BEH變化，本文首先研究了合金體系的BEH與投射到單個客體原子的d軌道的d帶中心之間的相關性。結果表明，這種計算d帶中心的方法對投射在(i)單個客體原子加上它的第一近鄰殼層或(ii)整個板條上的d軌道提供了比d帶中心更好的其它性質。圖1a顯示了Ag(110)宿主表面[Pt(111)宿主表面]上不同SAACs的相關性。
• 從圖1a可以明顯看出，d帶模型預測的預期線性相關性對于H吸附的SAACs而言是被打破的。這是由于H原子軌道較小，導致H和TMd-軌道之間的耦合相對較弱。
• 此外，本文檢查了用于SAACs(圖1b)的E_b和H₂離解反應能之間的BEP關系的有效性，該關系通常用于根據反應物和產物的吸附能來提取反應的動力學數據。

圖2|不同目標屬性的SISSO誤差及其分布。

要點：

• 圖2a顯示了BEH、EB和SE的SISSO模型的均方根誤差(RMSE)以及CV10誤差。得到的SAACs的BEH、EB和SE的最優描述符維數分別為5、6和6。圖2b-d顯示了最佳模型相對于RPBE結果的誤差分布。

圖3|使用SISSO進行SAACs高通量篩選的結果。

要點：

• 本文使用識別性的計算成本低廉的SISSO模型對SAACs進行高通量篩選，以找到加氫反應的最佳候選者。圖3a-c顯示了平面的BEH、EB和SEH(存在表面H吸附原子時的偏析能，其中包括H吸附原子引起的偏析能變化)的結果。
• 本文已經篩選了5000多個SAACs候選催化劑，在低溫(200K)和高溫(700K)下，氫分壓p=1atm。本文發現160個平面SAACs(圖3d，綠色)和134個階梯表面SAACs在低溫(200K)下都是活躍和穩定的。在較高的溫度(700K)下，102個平面SAACs(圖3d，藍色和綠色)和136個階梯表面SAACs被歸類為有希望的加氫反應SAACs。

圖4|在T=298K和p=1 atm時，SAACs平面的穩定性與活度的關系圖

要點：

• 如圖4所示，一些新發現的候選催化劑(活動穩定性圖的左下角)預計將比已報道的候選催化劑具有更高的穩定性和效率，使用它們可以在實際應用中優化催化性能。正如預期的那樣，穩定性和活躍性是相反的，這可以從補充圖8(顯示選定的材料)和補充圖9(顯示所有已探索的材料)的總趨勢的負斜率以及這些區域左下角的圖示中看出。另一方面，本文已經發現了幾種材料，它們被預測為比目前報道的材料更好的SAACs。考慮到穩定性、活性、豐度和健康/安全，圖4突出顯示了已發現的兩個最佳候選催化劑Mn/Ag(111)和Pt/Zn(0001)。

結語

總之，本文通過結合第一性原理計算和SISSO數據分析方法，提出了準確可靠的模型來描述SAACs的氫結合能、離解能和客體原子分離能，這使我們能夠快速可靠地預測數千個SAACs在氫化反應中的催化性能。該模型正確地評估了實驗測試的SAACs性能。通過用本文的模型掃描5000多個SAACs，本文發現了200多個新的SAACs，與現有的SAACs相比，它們的穩定性和性能都有所提高。本文還介紹了一種使用數據挖掘方法子群發現對復雜SISSO描述符進行定性分析的新方法。它使我們能夠根據材料的基本特征，確定目標性質中所需變化的驅動機制，例如反應屏障減少或催化劑穩定性增加。本文的方法可以很容易地適用于為各種應用設計新的功能材料。

本文由SSC供稿。