首页 > 行业资讯 > ​2024开年Nature子刊：李昊/张頔/彭林法：AI+蒙特卡洛精准模拟碳在催化表面的动态行为

​2024开年Nature子刊：李昊/张頔/彭林法：AI+蒙特卡洛精准模拟碳在催化表面的动态行为

时间：2024-01-16 来源： 浏览：

​2024开年Nature子刊：李昊/张頔/彭林法：AI+蒙特卡洛精准模拟碳在催化表面的动态行为

tougao 催化开天地
催化开天地

catalysisworld

催化开天地（Catalysis Opens New World），分享催化基本知识，关注催化前沿研究动态，我们只专注于催化！

【做计算 找华算】 理论计算助攻顶刊，10000+成功案例，全职海归技术团队、正版商业软件版权！

经费预存选华算，高至15%预存增值！

碳在各种催化表面的生长机制一直存有许多谜团。由于其复杂多样的构型和所需的巨大模型尺寸，第一性原理方法及经典力场往往无法对该类体系进行精确模拟和研究。

成果简介
近日， 日本东北大学材料科学高等研究所（WPI-AIMR）张頔博士、李昊教授、上海交大彭林法教授等 在Nature Communications发表题为《Active Machine Learning Model for the Dynamic Simulation and Growth Mechanisms of Carbon on Metal Surface》的研究工作，为解开碳在金属催化表面的行为之谜提供了有效的方法和策略。
通过设计主动学习（active learning）的方法，他们成功构建了精准的机器学习力场，揭示了碳材料在催化生长中涉及的微观过程。他们发现主动学习方法能帮助更精准地采样及实现精确机器学习力场的构建。该类力场比传统的经验力场（如：ReaxFF等）更能准确模拟出碳材料在金属表面的相互作用（图1）。
图1. 该研究工作的方法概述及相关示意图
利用得到的机器学习力场，他们使用tfMC蒙特卡洛等方法对Cu(111) 上的石墨烯生长进行了完全动态模拟。他们的研究结果成功重现了碳材料在Cu(111)表面的各种行为，与过去实验观测结果高度一致（图2-4）。
图2. 机器学习力场模拟碳在铜表面的各类行为（1）
图3. 机器学习力场模拟碳在铜表面的各类行为（2）
图4. 机器学习力场模拟碳在铜表面的各类行为（3）
随后，他们将相同策略扩展到Cr(110)、Ti(001) 等金属表面并对其进行模拟，得到的结果与后续实验验证高度一致（图5）。
图5. 将该模拟方法拓展至Cr(110)、Ti(001) 等金属表面，及相关实验验证结果
文献信息
Di Zhang*, Peiyun Yi, Xinmin Lai, Linfa Peng*, and Hao Li*, Active Machine Learning Model for the Dynamic Simulation and Growth Mechanisms of Carbon on Metal Surface. Nature Communications , 15, 344 ( 2024 ). https://doi.org/10.1038/s41467-023-44525-z

【做计算 找华算】 华算科技专注DFT代算服务、正版商业软件版权、全职海归计算团队，10000+成功案例！

客户成果发表在Nature、Nature Catalysis、JACS、Angew.、AM、AEM、AFM等顶刊，好评如潮，专业靠谱！

添加下方微信好友，立即咨询 ：

电话/微信： 13622327160

  点击阅读原文，立即咨询计算！

版权：如无特殊注明，文章转载自网络，侵权请联系cnmhg168#163.com删除！文件均为网友上传，仅供研究和学习使用，务必24小时内删除。
相关推荐
热门信息